为 pandas DataFrame 中的最佳代理提取时间序列

Question

如果这个问题是基本的，我深表歉意，但我已经浏览了文档，但我无法弄清楚处理这个问题的简单规范方法是什么，尽管这可能是因为我对 pandas 很陌生。

我有一个 DataFrame df 代表一系列系统的scores 的时间序列数据（其中时间由steps 测量），由超参数paramA 和paramB 参数化。

数据的合成样本如下：

| paramA | paramB | score | step |
----------------------------------
|   A    |    c   |   .8  |  10  |
|   B    |    e   |   .2  |  10  |
|   A    |    f   |   .1  |  40  |
|   C    |    c   |   .9  |  10  |
|   B    |    e   |   .3  |  20  |
|   B    |    c   |   .3  |  10  |
|   A    |    c   |   .7  |  20  |
|   C    |    f   |   .4  |  60  |
|  ...   |   ...  |  ...  |  ... |

我想做以下事情：

1。查找得分最高的模型

对于每个模型（即数据集中每对可能的超参数），找到得分最高的行。我目前正在这样做：

df.groupby([df.paramA, df.paramB]).score.max()

2。提取得分最高者的时间序列

我现在想要获取我在上一步中获得最大值的顶级 k 模型的时间序列。

显然我可以在上一步中手动查找得分最高的模型，使用k 单独的查询获取k 数据帧，但这感觉很慢而且不优雅。我假设有一种更聪明的方法可以做到这一点。

再次，如果这很简单，我们深表歉意，但任何以聪明的方式解决这个问题的帮助，而不是我目前想到的蛮力方式，将不胜感激。

Answer 1

回答问题一，首先创建一组唯一的模型，使用每个模型的参数集初始化一个空字典，然后用最高分的索引填充字典：

pairs = pd.Series(zip(df.paramA, df.paramB)).unique()
models = {(A, B): None for A, B in pairs}
for A, B in pairs:
    models[(A, B)] = df.loc[((df.paramA == A) & (df.paramB == B)), 'score'].idxmax()

>>> models
{('A', 'c'): 0,
 ('A', 'f'): 2,
 ('B', 'c'): 5,
 ('B', 'e'): 4,
 ('C', 'c'): 3,
 ('C', 'f'): 7}

要获得得分最高的k 模型：

k = 5  # Top number of models to return
m = [(v, k_) for k_, v in models.iteritems()]
m.sort(reverse=True)
top_models = [model[1] for model in m[:k]]
>>> top_models
[('C', 'f'), ('B', 'c'), ('B', 'e'), ('C', 'c'), ('A', 'f')]