我有兩個表用于平均值和標(biāo)準差，我想計算平均值表的某些列的最大值，并且我想獲取標(biāo)準表的相應(yīng)行。mean_df = pd.read_csv(r'./csvs/mean.csv')std_df = pd.read_csv(r'./csvs/std.csv')#mean_df, std_df are of same sizegrouped_df = mean_df.groupby(['alpha', 'beta'])columns = ['val']max_df = grouped_df[columns].agg(['max'])# Here i want the corresponding std_max_df table for the max_df. i.e., for every max calculated from mean, i want the std of that max in a new table.例如：輸入mean_df是αβ伽馬陷阱1 2 3 1004 6 8 2001 2 9 4004 6 7 5003 5 8 600輸入std_df 是αβ伽馬陷阱1 2 3 3004 6 8 5001 2 9 1004 6 7 7003 5 8 900輸出將是alpha beta gamma max_mean_val corresp_std_val1 2 9 400 1004 6 7 500 7003 5 8 600 900
1 回答
幕布斯7119047
TA貢獻1794條經(jīng)驗 獲得超8個贊
首先通過內(nèi)連接或左連接將 DataFrame 合并在一起，然后通過以下方式獲取具有最大索引值的行DataFrameGroupBy.idxmax：
df = mean_df.merge(std_df, on=['alpha', 'beta','gamma'],?
? ? ? ? ? ? ? ? ? ? ? ? ? ?how='left',?
? ? ? ? ? ? ? ? ? ? ? ? ? ?suffixes=('_mean','_std'))
df = df.loc[df.groupby(['alpha', 'beta'])['val_mean'].idxmax()]
print (df)
? ?alpha? beta? gamma? val_mean? val_std
2? ? ? 1? ? ?2? ? ? 9? ? ? ?400? ? ? 100
4? ? ? 3? ? ?5? ? ? 8? ? ? ?600? ? ? 900
3? ? ? 4? ? ?6? ? ? 7? ? ? ?500? ? ? 700
對于多列，一種可能的想法是：
print (mean_df)
? ?alpha? beta? gamma? val? val1
0? ? ? 1? ? ?2? ? ? 3? 100? ? ?5
1? ? ? 4? ? ?6? ? ? 8? 200? ? ?9
2? ? ? 1? ? ?2? ? ? 9? 400? ? ?3
3? ? ? 4? ? ?6? ? ? 7? 500? ? ?5
4? ? ? 3? ? ?5? ? ? 8? 600? ? ?2
print (std_df)
? ?alpha? beta? gamma? val? val1
0? ? ? 1? ? ?2? ? ? 3? 300? ? ?5
1? ? ? 4? ? ?6? ? ? 8? 500? ? ?7
2? ? ? 1? ? ?2? ? ? 9? 100? ? ?9
3? ? ? 4? ? ?6? ? ? 7? 700? ? ?2
4? ? ? 3? ? ?5? ? ? 8? 900? ? ?1
df = mean_df.merge(std_df, on=['alpha', 'beta','gamma'],?
? ? ? ? ? ? ? ? ? ? ? ? ? ?how='left',?
? ? ? ? ? ? ? ? ? ? ? ? ? ?suffixes=('_mean','_std'))
cols = ['val','val1']
dfs = [df.loc[df.groupby(['alpha', 'beta'])[f'{col}_mean'].idxmax(),?
? ? ? ? ? ? ? [f'{col}_mean', f'{col}_std']].reset_index(drop=True) for col in cols]
df0 = df[['alpha', 'beta','gamma']].drop_duplicates(['alpha','beta']).reset_index(drop=True)
df = pd.concat([df0] + dfs, axis=1)
print (df)
? ?alpha? beta? gamma? val_mean? val_std? val1_mean? val1_std
0? ? ? 1? ? ?2? ? ? 3? ? ? ?400? ? ? 100? ? ? ? ? 5? ? ? ? ?5
1? ? ? 4? ? ?6? ? ? 8? ? ? ?600? ? ? 900? ? ? ? ? 2? ? ? ? ?1
2? ? ? 3? ? ?5? ? ? 8? ? ? ?500? ? ? 700? ? ? ? ? 9? ? ? ? ?7
添加回答
舉報
0/150
提交
取消