如何对数据进行分组，同时保留所有行的最大值Python

Question

这看起来并不难，但还没有找到解决方案。我有一个df，看起来像这样：

df = {'Name': ['MIR-10','MIR-10','LET-7','LET-7','LET-7','MIR-142','MIR-142','MIR-142'],
     'Type':['3prime','3prime','3prime','5prime','5prime','3prime','5prime','3prime']}
df = pd.DataFrame(data=df)
print(df)

      Name    Type
0   MIR-10  3prime
1   MIR-10  3prime
2    LET-7  3prime
3    LET-7  5prime
4    LET-7  5prime
5  MIR-142  3prime
6  MIR-142  5prime
7  MIR-142  3prime

我使用groupby()计算了Name中每个元素的每个Type的频率，如下所示：

df['count'] = df.groupby(['Name','Type'])['Type'].transform('count')
print(df)

      Name    Type  count
0   MIR-10  3prime      2
1   MIR-10  3prime      2
2    LET-7  3prime      1
3    LET-7  5prime      2
4    LET-7  5prime      2
5  MIR-142  3prime      2
6  MIR-142  5prime      1
7  MIR-142  3prime      2

然后，如果count列是列Name和Type的最大值，我想要做的就是保留df。所需的输出应如下所示：

      Name    Type  count
0   MIR-10  3prime      2
1   MIR-10  3prime      2
2    LET-7  5prime      2
3    LET-7  5prime      2
4  MIR-142  3prime      2
5  MIR-142  3prime      2

我尝试了几种方法(如下所示)，但无法获得目标输出。

df = df.groupby(['Name','Type'])['count'].transform(max)
print(df)

提前谢谢你。

Answer 1

不完全确定这是否是您要查找的内容，但我确定了每个类型的最大计数和每个名称的最大计数，如果行中的计数等于这两个最大计数，则应该保留它：

df['max_name'] = df.groupby(['Name'])['count'].transform(max)
df['max_type'] = df.groupby(['Type'])['count'].transform(max)

df.query("max_name == count and max_type == count")

    Name    Type    count   max_name    max_type
0   MIR-10  3prime  2       2           2
1   MIR-10  3prime  2       2           2
3   LET-7   5prime  2       2           2
4   LET-7   5prime  2       2           2
5   MIR-142 3prime  2       2           2
7   MIR-142 3prime  2       2           2

Answer 2

使用GroupBy.value_counts和使用level检查max会更容易

new_df = df.join(df.groupby('Name', sort=False)['Type']
                   .value_counts()
                   .loc[lambda x: x.eq(x.max(level=0)) | x.eq(x.max(level=1))]
                   .rename('count'), on=['Name', 'Type'], how='right')
print(new_df)

      Name    Type  count
0   MIR-10  3prime      2
1   MIR-10  3prime      2
3    LET-7  5prime      2
4    LET-7  5prime      2
5  MIR-142  3prime      2
7  MIR-142  3prime      2

Answer 3

我们可以使用assign方法创建临时列，并筛选计数等于每个组的最大计数的行：

(df.assign(count = lambda x: x.groupby(['Name','Type']).Type.transform('count'),
           maximum = lambda x: x.groupby(['Name'])['count'].transform('max'),
           filter_ = lambda x: x['count'].eq(x['maximum']))
 .loc[lambda x: x.filter_, ['Name','Type','count']]
 )

    Name    Type    count
0   MIR-10  3prime  2
1   MIR-10  3prime  2
3   LET-7   5prime  2
4   LET-7   5prime  2
5   MIR-142 3prime  2
7   MIR-142 3prime  2