Python在多个Groupby上执行Max函数

Question

我下面有一个数据框，显示了两个不同供应商的木材和钢材价格。你知道吗

我想添加一个列，显示来自同一供应商的相对项目的最高价格（即，如果线是木材，它会拉钢）。你知道吗

例如，“汤姆”的“钢”行将显示他的最高木材价格42。你知道吗

到目前为止，我得到的代码只是返回原始项目的最高价格（即不是相反的，所以对于Tom的steel行返回24，但我希望它返回42）。你知道吗

我认为这是一个问题，拉一个多组的最大值。我试过很多种不同的方法，但似乎都没有办法。你知道吗

任何想法都将不胜感激。你知道吗

import pandas as pd
import numpy as np
data = {'Supplier':['Tom', 'Tom', 'Tom', 'Bill','Bill','Bill'],'Item':['Wood','Wood','Steel','Steel','Steel','Wood'],'Price':[42,33,24,16,12,18]}
df = pd.DataFrame(data)

df['Opp_Item'] = np.where(df['Item']=="Wood", "Steel", "Wood")
df['Opp_Item_Max'] = df.groupby(['Supplier','Opp_Item'])['Price'].transform(max)
print(df)


  Supplier   Item  Price Opp_Item  Opp_Item_Max
0      Tom   Wood     42    Steel            42
1      Tom   Wood     33    Steel            42
2      Tom  Steel     24     Wood            24
3     Bill  Steel     16     Wood            16
4     Bill  Steel     12     Wood            16
5     Bill   Wood     18    Steel            18

Answer 1

如果您可以找到每个供应商+项目的最大值，那么您只需交换这些值，并通过join将它们分配回：

v = df.groupby(['Supplier', 'Item']).Price.max().unstack(-1)
# This reversal operation works under the assumption that
# there are only two items and that they are opposites of each other. 
v[:] = v.values[:, ::-1]  

df = (df.set_index(['Supplier', 'Item'])
        .join(v.stack().to_frame('Opp_Item_Max'), how='left')
        .reset_index())

print(df)
  Supplier   Item  Price  Opp_Item_Max
0     Bill  Steel     16            18
1     Bill  Steel     12            18
2     Bill   Wood     18            16
3      Tom  Steel     24            42
4      Tom   Wood     42            24
5      Tom   Wood     33            24

注意：连接后将不会保留数据的顺序。你知道吗

Answer 2

您可以map将groupby前面的值转换为相反的值，然后将其合并回原始数据帧。你知道吗

d = {'Steel': 'Wood', 'Wood': 'Steel'}

df.merge(df.assign(Item = df.Item.map(d))
           .groupby(['Supplier', 'Item'], as_index=False).max(),
         on=['Supplier', 'Item'],  
         how='left',
         suffixes=['', '_Opp_Item'])

  Supplier   Item  Price  Price_Opp_Item
0      Tom   Wood     42              24
1      Tom   Wood     33              24
2      Tom  Steel     24              42
3     Bill  Steel     16              18
4     Bill  Steel     12              18
5     Bill   Wood     18              16