Python pandas:根据组内的最大值创建新列，但使用来自附加(字符串)列的值

Question

我有一个pandas DataFrame，如下所示:

import pandas as pd
df = pd.DataFrame({'group_id': [1,1,2,2], 
'name':['Arthur','Bob','Caroline','Denise'],
'income': [40000, 20000,50000,60000]
})
df
Out[94]: 
group_id      name  income
0         1    Arthur   40000
1         1       Bob   20000
2         2  Caroline   50000
3         2    Denise   60000

我想要的输出是，在group_id中，有收入最高的人的名字，例如:

df
Out[94]: 
group_id      name  income   highest_income_name
0         1    Arthur   40000                Arthur
1         1       Bob   20000                Arthur
2         2  Caroline   50000                Denise
3         2    Denise   60000                Denise

根据我的实际数据的数据生成过程，在一个收入最高的组中总是只有一个名字。

生成上述内容的最佳实践方法是什么?

如果我尝试填写最大收入，然后找到名称，我就会被困在NaN中，我可能会尝试填写，但会增加复杂性。

df['max_income'] = df.groupby('group_id')['income'].transform('max')
df['highest_income_name'] = df['name'][df['income']==df['max_income']]
df
Out[105]: 
group_id      name  income  max_income highest_income_name
0         1    Arthur   40000       40000              Arthur
1         1       Bob   20000       40000                 NaN
2         2  Caroline   50000       60000                 NaN
3         2    Denise   60000       60000              Denise

Answer 1

使用numpy.where与Groupby.transform:

In [287]: import numpy as np
In [302]: df['highest_income_name'] = np.where(df.income.eq(df.groupby('group_id')['income'].transform(max)), df.name, np.nan)
In [308]: df['highest_income_name'] = df.groupby('group_id')['highest_income_name'].transform('first')
In [309]: df
Out[309]: 
group_id      name  income highest_income_name
0         1    Arthur   40000              Arthur
1         1       Bob   20000              Arthur
2         2  Caroline   50000              Denise
3         2    Denise   60000              Denise