如何在每行上添加拆分、应用组合和重复解决方案中的条件

Question

我有以下pandas数据帧df:

cluster   tag   amount   name
1         0     200      Michael        
2         1     1200     John        
2         1     900      Daniel        
2         0     3000     David        
2         0     600      Jonny        
3         0     900      Denisse        
3         1     900      Mike        
3         1     3000     Kely        
3         0     2000     Devon  

我需要做的是在df中添加为每个row写入的另一列，即具有最高amount的name(来自名称列(，其中tag为1。换句话说，解决方案是这样的：

cluster   tag   amount   name     highest_amount
1         0     200      Michael  NaN      
2         1     1200     John     John   
2         1     900      Daniel   John     
2         0     3000     David    John    
2         0     600      Jonny    John    
3         0     900      Denisse  Kely      
3         1     900      Mike     Kely   
3         1     3000     Kely     Kely   
3         0     2000     Devon    Kely

我试过这样的东西：

df.group('clusters')['name','amount'].transform('max')[df['tag']==1]

但问题是，名称在每一行都有重复。它看起来是这样的：

cluster   tag   amount   name     highest_amount
1         0     200      Michael  NaN      
2         1     1200     John     John   
2         1     900      Daniel   John     
2         0     3000     David    NaN    
2         0     600      Jonny    NaN    
3         0     900      Denisse  NaN      
3         1     900      Mike     Kely   
3         1     3000     Kely     Kely   
3         0     2000     Devon    NaN

有人能告诉我如何用拆分-应用-组合添加条件，并在每行上重复解决方案吗？

Answer 1

您可以将此过程分为两个阶段。首先计算映射序列，然后按簇进行映射：

s = df.query('tag == 1')
.sort_values('amount', ascending=False)
.drop_duplicates('cluster')
.set_index('cluster')['name']
df['highest_name'] = df['cluster'].map(s)
print(df)
cluster  tag  amount     name highest_name
0        1    0     200  Michael          NaN
1        2    1    1200     John         John
2        2    1     900   Daniel         John
3        2    0    3000    David         John
4        2    0     600    Jonny         John
5        3    0     900  Denisse         Kely
6        3    1     900     Mike         Kely
7        3    1    3000     Kely         Kely
8        3    0    2000    Devon         Kely

---

如果你想使用groupby，这里有一种方法：

def func(x):
names = x.query('tag == 1').sort_values('amount', ascending=False)['name']
return names.iloc[0] if not names.empty else np.nan
df['highest_name'] = df['cluster'].map(df.groupby('cluster').apply(func))