[英]python pandas - getting a column value after running idxmax / argmax
我正在尝试通过一些数据来查找哪一类产品的收入最高。
我可以通过运行以下命令获取收入最高的类别的实际总收入:
max_revenue_by_cat = summer_transactions.groupby('item_category_id')['total_sales'].sum().max()
但是,如何获得最大收入所属的category_id? 即具有total_sales
数量最多的category_id
使用set_index
+ sum(level=0)
+ sort_values
+ iloc
索引第一项。
df
item_category_id total_sales
0 1 100
1 1 10
2 0 200
3 2 20
4 1 300
5 0 100
6 1 30
7 2 400
r = df.set_index('item_category_id')\
.total_sales.sum(level=0)\
.sort_values(ascending=False)\
.iloc[[0]]
item_category_id
1 440
Name: total_sales, dtype: int64
如果您希望将其作为小型数据reset_index
,请对结果调用reset_index
r.reset_index()
item_category_id total_sales
0 1 440
细节
df.set_index('item_category_id').total_sales.sum(level=0)
item_category_id
1 440
0 300
2 420
Name: total_sales, dtype: int64
在这里,总和最大的类别是1
。 通常,对于少量的组, sort_values
调用花费的时间可以忽略不计,因此这应该表现得很好。
我认为您需要idxmax
,但对于返回索引,请添加[]
:
summer_transactions = pd.DataFrame({'A':list('abcdef'),
'total_sales':[5,3,6,9,2,4],
'item_category_id':list('aaabbb')})
df = summer_transactions.groupby('item_category_id')['total_sales'].sum()
s = df.loc[[df.idxmax()]]
print (s)
item_category_id
b 15
Name: total_sales, dtype: int64
df = df.loc[[df.idxmax()]].reset_index(name='col')
print (df)
item_category_id col
0 b 15
通过使用Coldspeed的数据:-)
(df.groupby('item_category_id').total_sales.sum()).loc[lambda x : x==x.max()]
Out[11]:
item_category_id
1 440
Name: total_sales, dtype: int64
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.