Pandas GroupBy 两个文本列并根据计数返回最大行数答案

【问题标题】：Pandas GroupBy Two Text Columns And Return The Max Rows Based On CountsPandas GroupBy 两个文本列并根据计数返回最大行数
【发布时间】：2016-10-10 17:48:51
【问题描述】：

我正在尝试找出最大的 (First_Word, Group) 对

import pandas as pd

df = pd.DataFrame({'First_Word': ['apple', 'apple', 'orange', 'apple', 'pear'],
           'Group': ['apple bins', 'apple trees', 'orange juice', 'apple trees', 'pear tree'],
           'Text': ['where to buy apple bins', 'i see an apple tree', 'i like orange juice',
                'apple fell out of the tree', 'partrige in a pear tree']},
          columns=['First_Word', 'Group', 'Text'])

  First_Word         Group                        Text
0      apple    apple bins     where to buy apple bins
1      apple   apple trees         i see an apple tree
2     orange  orange juice         i like orange juice
3      apple   apple trees  apple fell out of the tree
4       pear     pear tree     partrige in a pear tree

然后我做一个groupby：

grouped = df.groupby(['First_Word', 'Group']).count()
                         Text
First_Word Group             
apple      apple bins       1
           apple trees      2
orange     orange juice     1
pear       pear tree        1

我现在想将其过滤为仅具有最大 Text 计数的唯一索引行。下面您会注意到 apple bins 已被删除，因为 apple trees 具有最大值。

                         Text
First_Word Group             
apple      apple trees      2
orange     orange juice     1
pear       pear tree        1

这个max value of group 的问题很相似，但是当我尝试这样的事情时：

df.groupby(["First_Word", "Group"]).count().apply(lambda t: t[t['Text']==t['Text'].max()])

我收到一个错误：KeyError: ('Text', 'occurred at index Text')。如果我将axis=1 添加到apply 我得到IndexError: ('index out of bounds', 'occurred at index (apple, apple bins)')

【问题讨论】：

标签： python pandas max

【解决方案1】：

给定grouped，您现在想要按First Word 索引级别进行分组，并找到每个组的最大行的索引标签（使用idxmax）：

In [39]: grouped.groupby(level='First_Word')['Text'].idxmax()
Out[39]: 
First_Word
apple       (apple, apple trees)
orange    (orange, orange juice)
pear           (pear, pear tree)
Name: Text, dtype: object

然后您可以使用grouped.loc 通过索引标签从grouped 中选择行：

import pandas as pd
df = pd.DataFrame(
    {'First_Word': ['apple', 'apple', 'orange', 'apple', 'pear'],
     'Group': ['apple bins', 'apple trees', 'orange juice', 'apple trees', 'pear tree'],
     'Text': ['where to buy apple bins', 'i see an apple tree', 'i like orange juice',
              'apple fell out of the tree', 'partrige in a pear tree']},
    columns=['First_Word', 'Group', 'Text'])

grouped = df.groupby(['First_Word', 'Group']).count()
result = grouped.loc[grouped.groupby(level='First_Word')['Text'].idxmax()]
print(result)

产量

                         Text
First_Word Group             
apple      apple trees      2
orange     orange juice     1
pear       pear tree        1

【讨论】：