Question

我有一个像下面这样的熊猫数据框。

UsrId   JobNos
 1       4
 1       56
 2       23 
 2       55
 2       41
 2       5
 3       78
 1       25
 3       1

我根据UsrId对数据框进行分组。分组数据框在概念上如下所示。

UsrId   JobNos
  1    [4,56,25]
  2    [23,55,41,5]
  3    [78,1]

现在，我正在寻找一个内置API，它将为UsrId提供最大的工作量。对于上面的示例，UsrId-2具有最大计数。

更新而不是具有最大作业数的UsrID，我希望'n'UserIds具有最大作业数。对于上面的例子，如果n = 2，则输出为[2,1]。可以这样做吗？

Answer 1

像df.groupby('UsrId').JobNos.sum().idxmax()之类的东西应该这样做：

In [1]: import pandas as pd

In [2]: from StringIO import StringIO

In [3]: data = """UsrId   JobNos
   ...:  1       4
   ...:  1       56
   ...:  2       23 
   ...:  2       55
   ...:  2       41
   ...:  2       5
   ...:  3       78
   ...:  1       25
   ...:  3       1"""

In [4]: df = pd.read_csv(StringIO(data), sep='\s+')

In [5]: grouped = df.groupby('UsrId')

In [6]: grouped.JobNos.sum()
Out[6]: 
UsrId
1         85
2        124
3         79
Name: JobNos

In [7]: grouped.JobNos.sum().idxmax()
Out[7]: 2

如果您希望结果基于每组中的项目数：

In [8]: grouped.size()
Out[8]: 
UsrId
1        3
2        4
3        2

In [9]: grouped.size().idxmax()
Out[9]: 2

更新：要获得有序结果，您可以使用.order方法：

In [10]: grouped.JobNos.sum().order(ascending=False)
Out[10]: 
UsrId
2        124
1         85
3         79
Name: JobNos

Pandas通过对数据框的操作进行分组

1 个答案: