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

agg与相同aggregate。可调用的是一次传递一次的列（Series对象）DataFrame。

您可以idxmax用来收集具有最大计数的行的索引标签：

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

产量

worda 2an 3the 1Name: count

然后用于loc在word和tag列中选择那些行：

print(df.loc[idx, [’word’, ’tag’]])

产量

word tag2 a T3 an T1 the S

请注意，idxmax返回索引 标签。df.loc可用于按标签选择行。但是，如果索引不是唯一的-即，如果存在带有重复索引标签的行-df.loc则将选择带有标签的所有行idx。所以，要小心，df.index.is_unique是True如果你使用idxmax与df.loc

或者，您可以使用apply。apply的callable传递了一个sub-DataFrame，它使您可以访问所有列：

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()]))

产量

worda Tan Tthe S

使用idxmax和loc通常比快apply，尤其是对于大型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

如果你想有一个字典映射字标签，那么你可以使用set_index 和to_dict这样的：

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’}解决方法

关于一个具体问题，说我有一个DataFrame DF

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

我想 为每个“单词” 找到 具有最多“计数”的“标签” 。因此，回报将类似于

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

我不在乎计数列或订单/索引是原始的还是混乱的。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() ] )

但这不起作用。我无法访问列信息。

更抽象地讲， agg（ function ） 中的 函数 将其视为 __什么？

顺便说一句，.agg（）与.aggregate（）相同吗？

非常感谢。