python pandas，DF.groupby（）。agg（），agg（）中的列引用

agg與相同aggregate?？烧{用的是一次傳遞一次的列（Series對象）DataFrame。

您可以idxmax用來收集具有最大計數的行的索引標簽：

idx = df.groupby(’word’)[’count’].idxmax()print(idx)

產量

worda 2an 3the 1Name: count

然后用于loc在word和tag列中選擇那些行：

print(df.loc[idx, [’word’, ’tag’]])

產量

word tag2 a T3 an T1 the S

請注意，idxmax返回索引 標簽。df.loc可用于按標簽選擇行。但是，如果索引不是唯一的-即，如果存在帶有重復索引標簽的行-df.loc則將選擇帶有標簽的所有行idx。所以，要小心，df.index.is_unique是True如果你使用idxmax與df.loc

或者，您可以使用apply。apply的callable傳遞了一個sub-DataFrame，它使您可以訪問所有列：

import pandas as pddf = pd.DataFrame({’word’:’a the a an the’.split(), ’tag’: list(’sstTT’), ’count’: [30, 20, 60, 5, 10]})print(df.groupby(’word’).apply(lambda subf: subf[’tag’][subf[’count’].idxmax()]))

產量

worda Tan Tthe S

使用idxmax和loc通常比快apply，尤其是對于大型DataFrame。使用IPython的％timeit：

N = 10000df = pd.DataFrame({’word’:’a the a an the’.split()*N, ’tag’: list(’sstTT’)*N, ’count’: [30, 20, 60, 5, 10]*N})def using_apply(df): return (df.groupby(’word’).apply(lambda subf: subf[’tag’][subf[’count’].idxmax()]))def using_idxmax_loc(df): idx = df.groupby(’word’)[’count’].idxmax() return df.loc[idx, [’word’, ’tag’]]In [22]: %timeit using_apply(df)100 loops, best of 3: 7.68 ms per loopIn [23]: %timeit using_idxmax_loc(df)100 loops, best of 3: 5.43 ms per loop

如果你想有一個字典映射字標簽，那么你可以使用set_index 和to_dict這樣的：

In [36]: df2 = df.loc[idx, [’word’, ’tag’]].set_index(’word’)In [37]: df2Out[37]: tagword a Tan Tthe SIn [38]: df2.to_dict()[’tag’]Out[38]: {’a’: ’T’, ’an’: ’T’, ’the’: ’S’}解決方法

關于一個具體問題，說我有一個DataFrame DF

word tag count0 a S 301 the S 202 a T 603 an T 54 the T 10

我想 為每個“單詞” 找到 具有最多“計數”的“標簽” 。因此，回報將類似于

word tag count1 the S 202 a T 603 an T 5

我不在乎計數列或訂單/索引是原始的還是混亂的。返回字典{ ‘the’：’S’ ，…}很好。

我希望我能做

DF.groupby([’word’]).agg(lambda x: x[’tag’][ x[’count’].argmax() ] )

但這不起作用。我無法訪問列信息。

更抽象地講， agg（ function ） 中的 函數 將其視為 __什么？

順便說一句，.agg（）與.aggregate（）相同嗎？

非常感謝。