使用groupby()、value_counts()和join从数据框中获取最大值并连接文本

Question

我想把日期分组，然后统计每天相同项目的数量，接着找出数量的最大值，并把这些项目合并在一起。我的数据框是这样的。

df= pd.DataFrame({'date': ['2020-09-10','2020-09-10','2020-09-10','2020-09-10','2020-09-08','2020-09-08'],
                   'fruit':['apple','banana','apple','oragne','apple','orange'], 
                   'value':['1','1','2','3','3','3']})
input:
x = df.groupby('date')['value'].value_counts().rename('count').reset_index().drop_duplicates('date')

output:
         date value  count
0  2020-09-08     3      2
1  2020-09-10     1      2

input :
df.groupby(['date', 'value'])['fruit'].apply(' '.join)

output:
date        value
2020-09-08  3        apple orange
2020-09-10  1        apple banana
            2               apple
            3              oragne

我期望的输出结果是：

output:
         date value  count  fruit
0  2020-09-08     3      2  apple orange
1  2020-09-10     1      2  apple banana

Answer 1

如果我理解正确的话，你想要找出那些在同一天或同一个值上，项目数量最多的行。

你可以使用一个自定义的 groupby.agg 方法来实现：

out = (
 df.groupby(['date', 'value'], as_index=False)['fruit']
   .agg(**{'count': 'count', 'fruit': ' '.join})
   .loc[lambda d: d.groupby('date')['count'].idxmax()]
)

或者，如果你想要在每个日期上保留所有的最大计数，而不仅仅是一个：

out = (
 df.groupby(['date', 'value'], as_index=False)['fruit']
   .agg(**{'count': 'count', 'fruit': ' '.join})
   .loc[lambda d: d.groupby('date')['count'].transform('max').eq(d['count'])]
)

或者你可以在你现有的代码基础上，使用 merge 方法：

# simplification of the way to compute "x"
# you could also use your original code
x = df[['date', 'value']].value_counts().reset_index().drop_duplicates('date')

out = x.merge(df.groupby(['date', 'value'], as_index=False)
              ['fruit'].agg(' '.join), how='left')

注意：像我第一段代码那样，这种方法只会保留第一个最大计数，即使每个日期上有多个最大值。

输出结果：

         date value  count         fruit
0  2020-09-08     3      2  apple orange
1  2020-09-10     1      2  apple banana