尝试从优化的 groupby 方法中获取所需的 DataFrame

Question

我正在尝试通过调用df.groupby('index_column').max() 和df.groupby('index_column').min() 从这个更大的DataFrame 中创建更小的DataFrame，其中index_column 是df 的列，我现在希望它成为新Min 的索引和最大数据帧。在这些 Min 和 Max DataFrames 中，我只想有 2 个简单的列，一个索引列，另一列分别只包含 Max 和 Min 值。

将我上面所说的所有内容放在上下文中，我将使用我所做的示例：

主 DataFrame df 在标准输出中如下所示：

In [3]: df
Out[3]: 
         name                                          parameter  cycles  \
0       dfmul  [["scheduler_type", "sdc"], ["max_chain_delay"...     159   
1       dfdiv  [["scheduler_type", "sdc"], ["max_chain_delay"...    1335   
2       mpeg2  [["scheduler_type", "sdc"], ["max_chain_delay"...    1992   
3         aes  [["scheduler_type", "sdc"], ["max_chain_delay"...   5441   
4        mips  [["scheduler_type", "sdc"], ["max_chain_delay"...    4263   
5       dfadd  [["scheduler_type", "sdc"], ["max_chain_delay"...     455   
6       dfsin  [["scheduler_type", "sdc"], ["max_chain_delay"...   39589      
..        ...                                                ...     ...    
403     adpcm  [["scheduler_type", "sdc"], ["max_chain_delay"...   23355   
404     dfadd  [["scheduler_type", "sdc"], ["max_chain_delay"...     599   
405       sha  [["scheduler_type", "sdc"], ["max_chain_delay"...  348417   
406  blowfish  [["scheduler_type", "sdc"], ["max_chain_delay"...  251877   
407      jpeg  [["scheduler_type", "sdc"], ["max_chain_delay"...  766742   

    mem_cycles  build_number  
0         None          1300  
1         None          1300  
2         None          1300  
3         None          1300  
4         None          1300  
..         ...           ...  
401       None          1344  
402       None          1344  
403       None          1344  
404       None          1344  
405       None          1344  
406       None          1344  
407       None          1344  

[408 rows x 5 columns]

In [4]: 

当我在groupby('build_number') 之后调用max() 和min() 方法时，我得到以下DataFrame，其中包含与df 中存在的相同列，如您所见：

In [5]: df.groupby('build_number').max()
Out[5]: 
             name                                          parameter  cycles  \
build_number                                                                   
1300          sha  [["scheduler_type", "sdc"], ["max_chain_delay"...  348417   
1301          sha  [["scheduler_type", "sdc"], ["max_chain_delay"...  348417   
1302          sha  [["scheduler_type", "sdc"], ["max_chain_delay"...  348417   

# And it continues so on, won't list the whole frame

              mem_cycles  
build_number              
1300                 NaN  
1301                 NaN  
1302                 NaN  
# And it continues so on, won't list the whole frame

In [6]: 

min() 也是如此。

但是，我想要返回的只是一个 DataFrame，它只有 build_number 作为索引列，cycles 作为它只有非索引列。事实上，如果我改为调用 mean() groupby 方法，就会得到这种所需的输出格式。

In [6]: df.groupby('build_number').mean()
Out[6]: 
                     cycles
build_number               
1300           42966.500000
1301           42992.000000
1302           42989.900000
1303           42985.300000

# And it continues so on, won't list the whole frame

In [7]: 

所以我的问题是：

1. 当我调用min() 和max() 时，如何让我的输出成为我想要的输出（这是调用mean() 时的格式）？

2. 为什么当我调用 mean() 时，生成的 DataFrame 已经消除了所有其他非数字列，但 min() 和 max() 没有消除那些其他非数字列？

非常感谢您的帮助！

Answer 1

基本上你需要做的是用你想要的列过滤结果，像这样：

编辑： 正如@cwharland 所指出的，在应用 ma​​x() / min()

之前过滤周期更有效

df.groupby('build_number')['cycles'].max()

和，

df.groupby('build_number')['cycles'].min()

之所以使用 mean() 只会显示 cycles 列是因为 mean 没有定义来获取 String 就像在parameters 中一样，mean 是cycles 的这些记录的平均值，而 ma​​x() 和 min() 只会返回一条记录（最大/最小），因此显示该记录中的所有列，是否有意义？

更新：为了更清楚地说明这一点，每个字段中的数值值可以通过均值/最大值/最小值运算执行自己的操作并相应地返回值，字符串，但是只有最大值/最小值，按字典顺序排序，如'A' < 'C'、'Z' > 'B' 等，但它不能执行 mean() 操作，因为它不是数字。 只有在适用的情况下，所有单独的列都会在 groupby 之后返回它自己的最大值/最小值/平均值。

附带说明：过滤后的 ma​​x() 和 min() 结果更可能是一个系列 strong> 优于 DataFrame。

所以要从结果中得到一个新的DataFrame，你只需要这样做：

df_max = pd.DataFrame(df.groupby('build_number')['cycles'].max())
df_min = pd.DataFrame(df.groupby('build_number')['cycles'].min())

我希望这会有所帮助。