Python_Pandas:在重复列中，选择最近日期的列，然后选择得分最高的列。

Question

import pandas as pd 
import numpy as np
#Create sample df with following columns; iP,date,score,appOwner,color
df = pd.DataFrame(
                {"iP":['111.11.111.112', '111.11.111.113', '111.11.111.112', '111.11.111.112', '111.11.111.113', '111.11.111.113', '111.11.111.114', '111.11.111.114', '111.11.111.114'],
                 "date":['2016-4-3', '2016-4-2', '2016-4-2', '2016-4-5', '2016-4-3', '2016-4-2', '2016-4-3', '2016-4-3', '2016-4-1'],
                 "score":[9, 8, 8, 10, 6, 7, 7, 7, 6],
                 "appOwner":['John','Andrew','Adam','John','Andrew','Adam','Park','Doe','Jason'],
                 "color":['Green','Yellow','Unknown','Red','White','Green','Red','Yellow','Red']
                })
#Chage df['date'] dtype to datetime 
df['date'] = pd.to_datetime(df['date'], format="%Y-%m-%d")

df

任务说明

在重复的iP中，选择最近的“日期”，然后选择“iP”，得分最高(更高)。当上述操作正确时，所需的输出如下，

ip              date         score
111.11.111.112   2016-4-5     10
111.11.111.113   2016-4-3     6
111.11.111.114   2016-4-3     7 

我试过的

foo = df.groupby(['iP','date'])
bar = foo['score'].agg({'maxScore':np.max})
bar
                            maxScore
iP              date    
111.11.111.112  2016-04-02  8
                2016-04-03  9
                2016-04-05  10
111.11.111.113  2016-04-02  8
                2016-04-03  6
111.11.111.114  2016-04-01  6
                2016-04-03  7

我知道，到目前为止，我所做的努力并不能解决这个问题。通过执行least_recent_date = df['date'].min() recent_date = df['date'].max()，我可以得到最近和最近的日期，但这仍然不能一条条地解决任务。任何帮助都将不胜感激！

Answer 1

我使用idxmax来标识最大值的位置。这样就可以更容易地将其他相关数据保存在同一行中。

因此，ndf将是df的子集，其中每一行都包含一个score，这是['iP', 'date']组合中的最大值。然后，在该子集中，我再次标识哪些行包含每个iP的最新或最大的iP。最后，我用['iP', 'date', 'score']对结果进行了切片。

记住，这只是剥这只猫皮的一种方法。

ndf = df.loc[df.groupby(['iP', 'date']).score.idxmax()]
ndf.loc[ndf.groupby(['iP']).date.idxmax(), ['iP', 'date', 'score']]

               iP       date  score
3  111.11.111.112 2016-04-05     10
4  111.11.111.113 2016-04-03      6
6  111.11.111.114 2016-04-03      7