在一个具体的问题,说我有一个数据帧DF
word tag count
0 a S 30
1 the S 20
2 a T 60
3 an T 5
4 the T 10
我想找到, 对于每一个“字”,“标签”具有最“计数”。 因此,回报将是这样的
word tag count
1 the S 20
2 a T 60
3 an T 5
我不在乎计列或订单/指数为原始搞砸了。 返回字典{“的”:“S”,...}就好了。
我希望我能做到
DF.groupby(['word']).agg(lambda x: x['tag'][ x['count'].argmax() ] )
但它不工作。 我无法访问列信息。
更抽象, 是什么在AGG的功能 ( 功能 )看作为它的参数 ?
顺便说一句,在.agg()一样.aggregate()?
非常感谢。
agg
是一样的aggregate
。 它的调用传递的列( Series
中的对象) DataFrame
的时间,一个。
你可以使用idxmax
收集与最大计数行的索引标签:
idx = df.groupby('word')['count'].idxmax()
print(idx)
产量
word
a 2
an 3
the 1
Name: count
然后用loc
来选择在这些行word
及tag
列:
print(df.loc[idx, ['word', 'tag']])
产量
word tag
2 a T
3 an T
1 the S
需要注意的是idxmax
返回的索引标识 。 df.loc
可以使用标签来选择行。 但是,如果索引不是唯一的-也就是说,如果有重复的索引标识行-然后df.loc
将选择中列出的所有的标签行 idx
。 所以,要小心, df.index.is_unique
是True
,如果你使用idxmax
与df.loc
另外,您可以使用apply
。 apply
的调用传递一个子数据帧,让你访问的所有列:
import pandas as pd
df = pd.DataFrame({'word':'a the a an the'.split(),
'tag': list('SSTTT'),
'count': [30, 20, 60, 5, 10]})
print(df.groupby('word').apply(lambda subf: subf['tag'][subf['count'].idxmax()]))
产量
word
a T
an T
the S
使用idxmax
和loc
通常快于apply
,特别是大型DataFrames。 使用IPython中的%timeit:
N = 10000
df = pd.DataFrame({'word':'a the a an the'.split()*N,
'tag': list('SSTTT')*N,
'count': [30, 20, 60, 5, 10]*N})
def using_apply(df):
return (df.groupby('word').apply(lambda subf: subf['tag'][subf['count'].idxmax()]))
def using_idxmax_loc(df):
idx = df.groupby('word')['count'].idxmax()
return df.loc[idx, ['word', 'tag']]
In [22]: %timeit using_apply(df)
100 loops, best of 3: 7.68 ms per loop
In [23]: %timeit using_idxmax_loc(df)
100 loops, best of 3: 5.43 ms per loop
如果你想有一个字典映射字标签,那么你可以使用set_index
和to_dict
是这样的:
In [36]: df2 = df.loc[idx, ['word', 'tag']].set_index('word')
In [37]: df2
Out[37]:
tag
word
a T
an T
the S
In [38]: df2.to_dict()['tag']
Out[38]: {'a': 'T', 'an': 'T', 'the': 'S'}
这里有一个简单的方法来找出被传递我们的(unutbu)解决方案,然后选择“应用”!
In [33]: def f(x):
....: print type(x)
....: print x
....:
In [34]: df.groupby('word').apply(f)
<class 'pandas.core.frame.DataFrame'>
word tag count
0 a S 30
2 a T 60
<class 'pandas.core.frame.DataFrame'>
word tag count
0 a S 30
2 a T 60
<class 'pandas.core.frame.DataFrame'>
word tag count
3 an T 5
<class 'pandas.core.frame.DataFrame'>
word tag count
1 the S 20
4 the T 10
您在与分组可变框架的子部分功能只是操作(在这种情况下)均具有相同的值(在此中科院“字”),如果你传递一个函数,那么你必须要处理的聚集的潜在的非字符串的列; 标准功能,如“和”为你做这个
不自动对字符串列汇总
In [41]: df.groupby('word').sum()
Out[41]:
count
word
a 90
an 5
the 30
您是汇集所有列
In [42]: df.groupby('word').apply(lambda x: x.sum())
Out[42]:
word tag count
word
a aa ST 90
an an T 5
the thethe ST 30
您可以在函数中做很多漂亮的事
In [43]: df.groupby('word').apply(lambda x: x['count'].sum())
Out[43]:
word
a 90
an 5
the 30