Pandas：如何在由另一列分组的列上获取具有最大值 value_count 的行作为数据框

Question

我在 Pandas 数据框中有三列Date 、 Hour和Content 。 我想获得一天中内容最多的小时。 我正在使用messages.groupby(["Date", "Hour"]).Content.count().groupby(level=0).tail(1) 。 我不知道groupby(level=0)在这里做什么。 它输出如下 -

Date        Hour
2018-04-12  23       4
2018-04-13  21      43
2018-04-14  9        1
2018-04-15  23      29
2018-04-16  17       1
                    ..
2020-04-23  20       1
2020-04-24  22       1
2020-04-25  20       1
2020-04-26  23      32
2020-04-27  23       3

这是一个熊猫系列对象，我想要的Date和Hour列是MultiIndex在这里。 如果我尝试使用pd.DataFrame(most_active.index)将MultiIndex对象转换为数据帧， most_active是前一个代码的输出，它会创建一个元组数据帧，如下所示 -

                    0
0    (2018-04-12, 23)
1    (2018-04-13, 21)
2     (2018-04-14, 9)
3    (2018-04-15, 23)
4    (2018-04-16, 17)
..                ...
701  (2020-04-23, 20)
702  (2020-04-24, 22)
703  (2020-04-25, 20)
704  (2020-04-26, 23)
705  (2020-04-27, 23)

但我需要两列独立的Date和Hour 。 最好的方法是什么？

Answer 1

编辑因为我误解了你的问题

首先，您必须按日期-小时计算总内容，就像您所做的一样：

df = messages.groupby(["Date", "Hour"], as_index=False).Content.count()

在这里，我通过传递参数as_index=False将组保留在原始列中。

然后，您可以运行原始答案中提供的以下代码：

假设您有唯一的索引 ID（如果没有，只需执行df.reset_index(inplace=True) ），您可以在groupby使用idxmax方法。 它将返回每组具有最大值的索引，然后您可以使用它们来切片数据帧。

例如：

df.loc[df.groupby(['Date', 'Hour'])['Content'].idxmax()]

作为替代方案（不使用 groupby），您可以先按降序对值进行排序，然后删除日期-小时重复项：

df.sort_values('Content', ascending=False).drop_duplicates(subset=['Date', 'Hour'])

最后，您可以使用set_index()方法获得MultiIndex ：

df.set_index(['Date','Hour'])