有没有更好的方法来获得在一列中具有最大值的组？

Question

我正在寻找一个更优雅的解决方案，以获得每个熊猫组的唯一赢家(最大票数)的名单。

我已经下载了California election results，并获得了我想在一个名为create_df的函数中使用的数据。

df = create_df()
df.head()

    candidate   county  district    office      party   precinct    votes
0   JOHN COX    ALAMEDA NaN         GOVERNOR    REP     200100      49.0
1   JOHN COX    ALAMEDA NaN         GOVERNOR    REP     200200      55.0
2   JOHN COX    ALAMEDA NaN         GOVERNOR    REP     200300      26.0
3   JOHN COX    ALAMEDA NaN         GOVERNOR    REP     200600      28.0
4   JOHN COX    ALAMEDA NaN         GOVERNOR    REP     200700      35.0

我目前的实现是这样的：

county_votes = df.query("office == 'GOVERNOR'")\
                 .groupby(["county", "party"], as_index=False)\
                 .votes.sum()
winners = county_votes.reindex(
    county_votes.groupby("county").votes.idxmax().values
)[["county", "party"]]

winner.head()

    county      party
0   ALAMEDA     DEM
2   ALPINE      DEM
5   AMADOR      REP
7   BUTTE       REP
9   CALAVERAS   REP

有没有更好的方法？

Answer 1

我找到了另一种方法，而且看起来也更快。

%%timeit
county_votes = df.query("office == 'GOVERNOR'")\
    .groupby(["county", "party"], as_index=False)\
    .votes.sum()
county_votes.reindex(
    county_votes.groupby("county").votes.idxmax().values
)[["county", "party"]].head()

42.4 ms±97µs /环路(平均值±标准dev.共7次运行，每次10次循环)

%%timeit
df.query("office == 'GOVERNOR'")\
    .groupby(["county", "party"], as_index=False)\
    .votes.sum()\
    .sort_values(['county', 'votes'], ascending=[True, False])\
    .drop_duplicates(subset="county").head()

31.6 ms±60.9µs /环路(平均值±标准dev.共7次运行，每次10次循环)