查找组中的最大值，并返回另一列的值

发布于 2025-01-11 06:05:06 字数 788 浏览 0 评论 0原文

我的目标是按“分组”列对 df 进行分组，然后找到最大销售额和相应的 SKU。有很多资料解释了如何进行groupby并查找最大销售额，但是添加这个额外的 SKU 列是我无法找到任何资料来解释我做错了什么的地方。

如下所示，我已成功按“分组”列进行分组，并显示每组的最大销售额，但 SKU 不正确。第 1 组销量最高的 SKU 是“E2-MKEP”，我的结果是“V4-DE5U”。

import pandas as pd

list1 = [
    ['1', 'V4-DE5U', 956.64],
    ['1', 'DH-Q9OY', 642.43],
    ['1', 'E2-MKEP', 1071.6],
    ['2', 'WL-NOLZ', 389.06],
    ['2', 'JF-4E3C', 162.69],
    ['3', 'N9-DABP', 618.96],
    ['3', 'OO-JBHE', 1451.19],
]

cols = ['Grouping', 'SKU', 'Sales']

df = pd.DataFrame(list1, columns = cols)

df1 = df.groupby(['Grouping']).agg(max)[['Sales', 'SKU']]

print(df1)

结果：

            Sales      SKU
Grouping
1         1071.60  V4-DE5U
2          389.06  WL-NOLZ
3         1451.19  OO-JBHE

原文

My goal is to group the df by the 'Grouping' column, and then find the max sales and the corresponding SKU. There a lot of sources that explain how to do the groupby and find max sales, but adding this additional SKU column is where I am unable to find any sources that explain what I am doing wrong.

As you can see below, I am successfully grouping by the 'Grouping' column, and displaying the max Sales per group, but the SKU is incorrect. The SKU with the highest sales for group 1 is 'E2-MKEP', and my result is 'V4-DE5U'.

import pandas as pd

list1 = [
    ['1', 'V4-DE5U', 956.64],
    ['1', 'DH-Q9OY', 642.43],
    ['1', 'E2-MKEP', 1071.6],
    ['2', 'WL-NOLZ', 389.06],
    ['2', 'JF-4E3C', 162.69],
    ['3', 'N9-DABP', 618.96],
    ['3', 'OO-JBHE', 1451.19],
]

cols = ['Grouping', 'SKU', 'Sales']

df = pd.DataFrame(list1, columns = cols)

df1 = df.groupby(['Grouping']).agg(max)[['Sales', 'SKU']]

print(df1)

result:

            Sales      SKU
Grouping
1         1071.60  V4-DE5U
2          389.06  WL-NOLZ
3         1451.19  OO-JBHE

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

站稳脚跟 2025-01-18 06:05:07

您可以转换 max 并创建布尔掩码和过滤器 df：

msk = df.groupby(['Grouping'])['Sales'].transform('max') == df['Sales']
out = df.loc[msk, ['Sales', 'SKU']]

输出：

     Sales      SKU
2  1071.60  E2-MKEP
3   389.06  WL-NOLZ
6  1451.19  OO-JBHE

如果您还需要“分组”列，则可以使用 msk > 在 df 上而不选择列：

out = df[msk]

输出：

  Grouping      SKU    Sales
2        1  E2-MKEP  1071.60
3        2  WL-NOLZ   389.06
6        3  OO-JBHE  1451.19

You could transform max and create a boolean mask and filter df:

msk = df.groupby(['Grouping'])['Sales'].transform('max') == df['Sales']
out = df.loc[msk, ['Sales', 'SKU']]

Output:

     Sales      SKU
2  1071.60  E2-MKEP
3   389.06  WL-NOLZ
6  1451.19  OO-JBHE

If you want the "Grouping" column as well, you could use msk on df without selecting columns:

out = df[msk]

Output:

  Grouping      SKU    Sales
2        1  E2-MKEP  1071.60
3        2  WL-NOLZ   389.06
6        3  OO-JBHE  1451.19

回复收藏 0 原文

廻憶裏菂餘溫 2025-01-18 06:05:07

您可以对“销售额”值进行排序，然后删除“分组”重复项

df1 = df1.sort_values('Sales', ascending=False).drop_duplicates(['Grouping']).sort_values('Grouping')

df1.reset_index(drop=True, inplace=True)

>>> df1
    Grouping      SKU    Sales
0        1  E2-MKEP  1071.60
1        2  WL-NOLZ   389.06
2        3  OO-JBHE  1451.19

You can sort the "Sales" values and then drop the "Grouping" duplicates

df1 = df1.sort_values('Sales', ascending=False).drop_duplicates(['Grouping']).sort_values('Grouping')

df1.reset_index(drop=True, inplace=True)

>>> df1
    Grouping      SKU    Sales
0        1  E2-MKEP  1071.60
1        2  WL-NOLZ   389.06
2        3  OO-JBHE  1451.19

回复收藏 0 原文

~没有更多了~