Python：对数据框中的行进行分组，并使用 pandas groupby 在组中选择绝对最大值

Question

我正在寻找以下问题的解决方案：

我有一个 pandas 数据框（0.12.0 版），例如：

df = pd.DataFrame({
    'Time' : [0.0, 0.0, 0.1, 0.2],
    'Signal_1' : [0, 1, 0, 3],
    'Signal_2' : [1, -1.5, -3, 0],        
    })
>>> print df

   Signal_1  Signal_2  Time
0         0       1.0   0.0
1         1      -1.5   0.0
2         0      -3.0   0.1
3         3       2.0   0.2

现在，我使用 groupby 合并具有相同时间戳的行（在本例中为第一行和第二行）。但是合并的行应该获得该组的绝对最大值。所以，我正在寻找一个函数 absmax() 来获取以下分组数据帧：

>>> df = df.groupby('Time').absmax()
   Signal_1  Signal_2  Time
0         1      -1.5   0.0
1         0      -3.0   0.1
2         3       2.0   0.2

编辑：谢谢 ;-)

Answer 1

你真的很亲密 - 需要 idxmax 索引：

df = df.loc[df.groupby('Signal_1')['Time'].idxmax()]
print (df)
   Signal_1  Signal_2  Time
2         0      -3.0   0.1
1         1      -1.5   0.0
3         3       2.0   0.2

或者可能需要：

df = df.loc[df.groupby('Time')['Time'].apply(lambda x: x.abs().idxmax())]
print (df)
   Signal_1  Signal_2  Time
0         0       1.0   0.0
2         0      -3.0   0.1
3         3       2.0   0.2

或者：

df = df.loc[df.groupby('Time')['Time'].idxmax()]
print (df)
   Signal_1  Signal_2  Time
0         0       1.0   0.0
2         0      -3.0   0.1
3         3       2.0   0.2