groupby 查找具有最大值的行正在将对象转换为日期时间

Question

我想按两个变量 ['CIN'、'calendar'] 和 return 分组，其中 MCelig 列在该特定组中最大。很可能多行会有最大值，但我只想要一行。

例如：

  AidCode CIN  MCelig   calendar
0    None  1e       1 2014-03-08
1      01  1e       2 2014-03-08
2      01  1e       3 2014-05-08
3    None  2e       4 2014-06-08
4      01  2e       5 2014-06-08

因为前两行是一组，所以我想要MCelig =2的行。
我想到了这条线

test=dfx.groupby(['CIN','calendar'], group_keys=False).apply(lambda x: x.ix[x.MCelig.idxmax()])

并且它似乎有效，除非我将所有值的所有 'None' 或 'np.nan' 用于列的组中的所有值，该列将转换为日期时间！请参阅下面的示例并观察 AidCode 从一个对象到一个日期。

import datetime as DT
import numpy as np
d = {'CIN' : pd.Series(['1e','1e','1e','2e','2e']),
'AidCode' : pd.Series([np.nan,'01','01',np.nan,'01']),
'calendar' : pd.Series([DT.datetime(2014, 3, 8), DT.datetime(2014, 3, 8),DT.datetime(2014, 5, 8),DT.datetime(2014, 6, 8),DT.datetime(2014, 6, 8)]),
'MCelig' : pd.Series([1,2,3,4,5])}
dfx=pd.DataFrame(d)
#testing whether it was just the np.nan that was the problem, it isn't
#dfx = dfx.where((pd.notnull(dfx)), None)
test=dfx.groupby(['CIN','calendar'], group_keys=False).apply(lambda x: x.ix[x.MCelig.idxmax()])

产出

Out[820]: 
                  AidCode CIN  MCelig   calendar
CIN calendar                                    
1e  2014-03-08 2015-01-01  1e       2 2014-03-08
    2014-05-08 2015-01-01  1e       3 2014-05-08
2e  2014-06-08 2015-01-01  2e       5 2014-06-08

更新：

刚刚找到这个简单的解决方案

x=dfx.sort(['CIN','calendar',"MCelig"]).groupby(["CIN",'calendar'], as_index=False).last();x

因为它有效，我想我选择它是为了简单起见。

Answer 1

Pandas 试图通过识别看起来像日期的列并将该列转换为 datetime64 dtype 来提供额外的帮助。它在这里过于激进了。

解决方法是使用 transform 为每个选择最大行数的组生成 布尔掩码 ：

def onemax(x):
    mask = np.zeros(len(x), dtype='bool')
    idx = np.argmax(x.values)
    mask[idx] = 1
    return mask

dfx.loc[dfx.groupby(['CIN','calendar'])['MCelig'].transform(onemax).astype(bool)]

产量

  AidCode CIN  MCelig   calendar
1      01  1e       2 2014-03-08
2      01  1e       3 2014-05-08
4      01  2e       5 2014-06-08

技术细节：当使用 groupby-apply 时，当单独的 DataFrame（由应用函数返回）被粘合回一个 DataFrame 时，Pandas 试图猜测列是否 with object dtype 是类似日期的对象，如果是这样，将列转换为实际日期 dtype。如果值是字符串，它会尝试将它们解析为日期使用 dateutil.parser:

无论好坏，dateutil.parser 将 '01' 解释为日期：

In [37]: import dateutil.parser as DP

In [38]: DP.parse('01')
Out[38]: datetime.datetime(2015, 1, 1, 0, 0)

这会导致 Pandas 尝试将整个 AidCode 列转换为日期。由于没有发生错误，它认为它只是帮助了你:)

groupby 查找具有最大值的行正在将对象转换为日期时间

groupby to find row with max value is converting object to datetime

python

pandas