如何使用 groupby 在满足多个条件的 pandas dataframe 中保持最佳行

Question

我有一个 pandas dataframe 看起来像这样：

   experiment  replicate  count   fdr
0           a          1     10  0.01
1           a          1      8     0
2           a          1      9     0

我想按experiment分组并replicate并保留具有最小fdr的行，但如果有多行具有相同的最小fdr ，请使用具有最大count的行。

所以我预期的 output 将是

   experiment  replicate  count   fdr
2           a          1      9     0

通过阅读其他帖子，我可以根据单个条件执行此操作，例如：

df.groupby(['experiment', 'replicate']).fdr.transform(min)

但我不知道如何在两个条件下做到这一点。 我相信我需要apply而不是transform ，但我仍在努力让某些东西发挥作用。

Answer 1

您可能需要以非常具体的方式对 dataframe 进行排序。 如果您在ascending参数中的最后一个False更改为True ，那么您会得到不同的答案，因此您应该确保它是这样排序的。

然后，可以使用带有idxmin()[0]的groupby来返回索引最小值（ [0]摆脱了系列索引，所以你只得到原始值），然后过滤 dataframe 。

df = df.sort_values(['experiment', 'replicate', 'fdr', 'count'],
                    ascending=[True, True, True, False])
df[df.index == df.groupby(['experiment', 'replicate']).fdr.idxmin()[0]]

# Per @wwii's comment a slightly cleaner way and likely most syntactical

df.loc[df.groupby(['experiment', 'replicate']).fdr.idxmin(),:]

Out[1]: 
  experiment  replicate  count  fdr
2          a          1      9  0.0

Answer 2

您可以首先获取最小值，与每一行进行比较，然后获取具有最大计数的索引，最后过滤该行：

cond1 = df.groupby(["experiment", "replicate"]).fdr.transform("min")
row_with_max_count = df.loc[df.fdr.eq(cond1), "count"].idxmax()
df.loc[[row_with_max_count]]

    experiment  replicate   count   fdr
2      a           1           9    0.0

Answer 3

import pandas as pd
data = { 'experiment' : ['a', 'a', 'a'],
        'replicate' : [1, 1, 1],
        'count' : [10,8,9],
        'fdr' : [0.01,0,0],}
df = pd.DataFrame(data)

给

    experiment  replicate   count   fdr
0   a           1           10      0.01
1   a           1           8       0.00
2   a           1           9       0.00


df.groupby(['experiment', 'replicate']).min('fdr')

                       count    fdr
experiment  replicate       
a           1          8        0.0