Reproduzierbarer Code für den Datensatz:
df = {'player' : ['a','a','a','a','a','a','a','a','a','b','b','b','b','b','b','b','b','b','c','c','c','c','c','c','c','c','c'],
'week' : ['1','1','1','2','2','2','3','3','3','1','1','1','2','2','2','3','3','3','1','1','1','2','2','2','3','3','3'],
'category': ['RES','VIT','MATCH','RES','VIT','MATCH','RES','VIT','MATCH','RES','VIT','MATCH','RES','VIT','MATCH','RES','VIT','MATCH','RES','VIT','MATCH','RES','VIT','MATCH','RES','VIT','MATCH'],
'energy' : [75,54,87,65,24,82,65,42,35,25,45,87,98,54,82,75,54,87,65,24,82,65,42,35,25,45,98] }
df = pd.DataFrame(data= df)
df = df[['player', 'week', 'category','energy']]
Ich muss finden: "Finde für jeden Spieler die Woche, in der seine Energie maximal war, und zeige alle Kategorien und Energiewerte für diese Woche an."
Also habe ich getan:
1. Spieler und Woche als Index einstellen
2. Durchlaufen Sie den Index, um den Maximalwert der Energie zu ermitteln und den Wert zurückzugeben
df = df.set_index(['player', 'week'])
for index, row in df1.iterrows():
group = df1.ix[df1['energy'].idxmax()]
Erhaltene Ausgabe:
category energy
player week
b 2 RES 98
2 VIT 54
2 MATCH 82
Diese erhaltene Ausgabe bezieht sich auf die maximale Energie im gesamten Datensatz. Ich möchte das Maximum für jeden Spieler mit allen anderen Kategorien und dessen Energie für diese Woche.
Erwartete Ausgabe:
Ich habe versucht, die Groupby-Methode zu verwenden, wie in den Kommentaren vorgeschlagen.
df.groupby(['player','week'])['energy'].max().groupby(level=['player','week'])
Die erhaltene Ausgabe ist:
energy category
player week
a 1 87 VIT
2 82 VIT
3 65 VIT
b 1 87 VIT
2 98 VIT
3 87 VIT
c 1 82 VIT
2 65 VIT
3 98 VIT
3 Antworten
Finden Sie die maximale Energiewoche für jeden Spieler, wählen Sie dann diese Woche für den Spieler aus und verketten Sie das Ergebnis für alle Spieler.
max_energy_idx = df.groupby('player')['energy'].idxmax() # 2, 12, 26
max_energy_weeks = df['week'].iloc[max_energy_idx] # '1', '2', '3'
players = sorted(df['player'].unique()) # 'a', 'b', 'c'
result = pd.concat(
[df.loc[(df['player'] == player) & (df['week'] == max_enery_week), :]
for player, max_enery_week in zip(players, max_energy_weeks)]
)
>>> result
player week category energy
0 a 1 RES 75
1 a 1 VIT 54
2 a 1 MATCH 87
12 b 2 RES 98
13 b 2 VIT 54
14 b 2 MATCH 82
24 c 3 RES 25
25 c 3 VIT 45
26 c 3 MATCH 98
Falls gewünscht, können Sie den Index für das Ergebnis festlegen:
result = result.set_index(['player', 'week'])
Eine andere Lösung ohne Concat:
idx = df.groupby('player')['energy'].idxmax()
coord = df.iloc[idx]
coord
player week category energy
2 a 1 MATCH 87
12 b 2 RES 98
26 c 3 MATCH 98
df.set_index(['player', 'week']).loc[(df.iloc[idx].set_index(['player', 'week']).index)]
category energy
player week
a 1 RES 75
1 VIT 54
1 MATCH 87
b 2 RES 98
2 VIT 54
2 MATCH 82
c 3 RES 25
3 VIT 45
3 MATCH 98
Wenn Sie Ihr df mit seinem ursprünglichen Index (dh vor dem Festlegen des Multiindex) verwenden, können Sie in einer Zeile zu Ihrem Ergebnis gelangen, indem Sie einen inneren Join mit .merge:
df.merge(df.loc[df.groupby('player').energy.idxmax(), ['player', 'week']])
# player week category energy
# 0 a 1 RES 75
# 1 a 1 VIT 54
# 2 a 1 MATCH 87
# 3 b 2 RES 98
# 4 b 2 VIT 54
# 5 b 2 MATCH 82
# 6 c 3 RES 25
# 7 c 3 VIT 45
# 8 c 3 MATCH 98