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

agg与 相同。它是可调用的，一次传递一个 的列（对象）。aggregateSeriesDataFrame

---

您可以使用来收集具有最大值的行的索引标签 计数：idxmax

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

收益 率

word
a       2
an      3
the     1
Name: count

，然后用于选择 AND 列中的那些行：locwordtag

print(df.loc[idx, ['word', 'tag']])

收益 率

  word tag
2    a   T
3   an   T
1  the   S

请注意，这返回索引标签。 可用于选择行 按标签。但是，如果索引不是唯一的，也就是说，如果存在具有重复索引标签的行，则将选择具有 中列出的标签的所有行。所以要小心，如果你使用idxmaxdf.locdf.locidxdf.index.is_uniqueTrueidxmaxdf.loc

---

或者，您可以使用 .的可调用对象被传递一个子 DataFrame，它允许您访问所有列：applyapply

import pandas as pd
df = 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()]))

收益 率

word
a       T
an      T
the     S

---

使用 和 通常比 快，尤其是对于大型 DataFrame。使用 IPython 的 %timeit：idxmaxlocapply

N = 10000
df = 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 loop

In [23]: %timeit using_idxmax_loc(df)
100 loops, best of 3: 5.43 ms per loop

---

如果你想要一个将单词映射到标签的字典，那么你可以像这样使用和喜欢：set_indexto_dict

In [36]: df2 = df.loc[idx, ['word', 'tag']].set_index('word')

In [37]: df2
Out[37]: 
     tag
word    
a      T
an     T
the    S

In [38]: df2.to_dict()['tag']
Out[38]: {'a': 'T', 'an': 'T', 'the': 'S'}

这里有一个简单的方法可以弄清楚正在传递什么（unutbu）解决方案，然后“适用”！

In [33]: def f(x):
....:     print type(x)
....:     print x
....:     

In [34]: df.groupby('word').apply(f)
<class 'pandas.core.frame.DataFrame'>
  word tag  count
0    a   S     30
2    a   T     60
<class 'pandas.core.frame.DataFrame'>
  word tag  count
0    a   S     30
2    a   T     60
<class 'pandas.core.frame.DataFrame'>
  word tag  count
3   an   T      5
<class 'pandas.core.frame.DataFrame'>
  word tag  count
1  the   S     20
4  the   T     10

你的函数只是在帧的一个子部分上操作（在这种情况下），分组变量都具有相同的值（在这个 CAS 'word'中），如果你正在传递一个函数，那么你必须处理潜在的非字符串列的聚合;标准函数，如“sum”，可以为你做到这一点

自动不聚合字符串列

In [41]: df.groupby('word').sum()
Out[41]: 
      count
word       
a        90
an        5
the      30

您正在聚合所有列

In [42]: df.groupby('word').apply(lambda x: x.sum())
Out[42]: 
        word tag count
word                  
a         aa  ST    90
an        an   T     5
the   thethe  ST    30

您几乎可以在函数中执行任何操作

In [43]: df.groupby('word').apply(lambda x: x['count'].sum())
Out[43]: 
word
a       90
an       5
the     30