在熊貓中，如何刪除所有子行，但在multiIndex數據幀的特定列中保留值最高的子行？

Question

所以我有一個像這樣的數據框：

+---+-----+------------+------------+-------+
|   |     | something1 | something2 | score |
+---+-----+------------+------------+-------+
| 1 | 112 |       1.00 |       10.0 |    15 |
|   | 116 |       0.76 |      -2.00 |    14 |
| 8 | 112 |       0.76 |       0.05 |    55 |
|   | 116 |       1.00 |       1.02 |    54 |
+---+-----+------------+------------+-------+

我想實現這一目標：

+---+-----+------------+------------+-------+
|   |     | something1 | something2 | score |
+---+-----+------------+------------+-------+
| 1 | 112 |       1.00 |       10.0 |    15 |
| 8 | 112 |       1.00 |       1.02 |    55 |
+---+-----+------------+------------+-------+

我想為每個具有最大得分值的第一個索引僅保留一行。

我嘗試了類似的方法，對df進行排序，然后在每個組中選擇第一行，但未按預期工作：

df = df.sort_values("score", ascending=False).groupby(level=[0, 1]).first()

謝謝！

Answer 1

您只需要按0級分組：

df.sort_values("score", ascending=False).groupby(level=0).first()
#     something1 something2 score
#1.0        1.00      10.00    15
#8.0        0.76       0.05    55

要保留第二級索引，可以將其重置為列，並在以后將其設置回索引：

(df.sort_values("score", ascending=False)
   .reset_index(level=1)
   .groupby(level=0).first()
   .set_index('level_1', append=True))

#           something1  something2   score
#   level_1         
#1.0    112       1.00       10.00      15
#8.0    112       0.76        0.05      55

---

使用nlargest的替代方法：

df.groupby(level=0, group_keys=False).apply(lambda g: g.nlargest(1, 'score'))
#        something1 something2  score
#1.0  112      1.00      10.00     15
#8.0  112      0.76       0.05     55