在一行中查找所有相同的值并保持另一行的最高绝对值

Question

我有一个具有这个形状的数据框：

       x    y
1     1510 -125
2     1636 -125
3     1637 -125
4     1509 -124
5     1510 -124
...    ...  ...
4210  1555   68
4211  1556   68
4212  1682   68
4213  1554   69
4214  1555   69

我想在 x 上找到所有相同的值，并只保留 y 上绝对值最高的那个。

例如在给定的数据框上：

       x    y
1     1510 -125
...    ...  ...
5     1510 -124
...    ...  ...
4210  1555   68
...    ...  ...
4214  1555   69

我想保留

       x    y
1     1510 -125
...    ...  ...
4214  1555   69

并删除 x 相同 和 y 较低 的其他值。

Answer 1

只有一个绝对最大值的解决方案：

使用DataFrameGroupBy.idxmax 和y 的绝对值作为最大索引，然后通过loc 选择：

df1 = df.loc[df['y'].abs().groupby(df['x']).idxmax()]
print (df1)
         x    y
1     1510 -125
4214  1555   69

或者：

df1 = df.loc[df.assign(y=df['y'].abs()).groupby('x')['y'].idxmax()]

使用GroupBy.transform 获取所有最大值的解决方案，以获取由绝对值的最大值填充的系列：

print (df)
         x    y
1     1510 -125
1     1510 -125
5     1510 -124
4210  1555   68
4214  1555   69

y = df['y'].abs()
df1 = df[y.groupby(df['x']).transform('max') == y]
print (df1)
         x    y
1     1510 -125
1     1510 -125
4214  1555   69

Answer 2

要获得您想要的确切信息，您可以通过以下方式进行操作：

df['y_abs'] = df['y'].abs() # calculate abs
ind = df[['x','y_abs']].groupby('x').idxmax().to_numpy().flatten() #get indexes of max y_abs
df.drop(columns='y_abs').iloc[ind,:] # get rows with that indexes

输出：

    x       y
0   1510    -125
3   1555    69

---

关于找到最大 y 的解决方案

对 DataFrame 使用 groupby 函数很容易：

df = pd.DataFrame({'x':[1510, 1510, 1555, 1555], 'y':[-125,-124,68,69]})
df.groupby('x').max()

输出：

          y
x   
1510    -124
1555    69