Python：删除每个组中具有最大值的行

Question

我有一个这样的熊猫数据框df。

In [1]: df
Out[1]:
      country     count
0       Japan        78
1       Japan        80
2         USA        45
3      France        34
4      France        90
5          UK        45
6          UK        34
7       China        32
8       China        87
9      Russia        20
10      Russia        67

我想删除每个组中具有最大值的行。因此结果应如下所示：

      country     count
0       Japan        78
3      France        34
6          UK        34
7       China        32
9      Russia        20

我的第一次尝试：

idx = df.groupby(['country'], sort=False).max()['count'].index
df_new = df.drop(list(idx))

第二次尝试：

idx = df.groupby(['country'])['count'].transform(max).index
df_new = df.drop(list(idx))

但是没有用。有什么想法吗？

Answer 1

groupby / transform（'max'）

您可以首先按组计算一系列最大值。然后筛选出计数等于该系列的实例。请注意，这也会删除重复项的最大值。

g = df.groupby(['country'])['count'].transform('max')
df = df[~(df['count'] == g)]

系列g代表每一行的最大值。在此等于df['count']（按索引）的位置，您有一行，代表该组的最大值。然后，将~用作否定条件。

print(df.groupby(['country'])['count'].transform('max'))

0    80
1    80
2    45
3    90
4    90
5    45
6    45
7    87
8    87
9    20
Name: count, dtype: int64

排序+放行

或者，您可以对最终出现的事件进行排序和删除：

res = df.sort_values('count')
res = res.drop(res.groupby('country').tail(1).index)

print(res)

  country  count
9  Russia     20
7   China     32
3  France     34
6      UK     34
0   Japan     78