在Python中的熊猫数据帧上从groupby中选择索引值

Question

我有以下数据框：df = pd.DataFrame({'place'     : ['A', 'B', 'C', 'D', 'E', 'F'],               'population': [10 , 20, 30, 15, 25, 35],               'region': ['I', 'II', 'III', 'I', 'II', 'III']})它看起来像这样：      place  population region0     A          10      I1     B          20     II2     C          30    III3     D          15      I4     E          25     II5     F          35    III我想从人口最多的地区中选择人口最少的地方。df.groupby('region').population.sum()返回值：regionI      25II     45III    65Name: population, dtype: int64但是我不知道如何从这里继续（使用.groupby / .loc / .iloc）有什么建议吗？

Answer 1

首先为地区人口添加一列：

df['region_pop'] = df.groupby('region')['population'].transform(sum)

然后对您的数据框进行排序并提取第一行：

res = df.sort_values(['region_pop', 'population'], ascending=[False, True])\

        .head(1)

结果：

  place  population region  region_pop

2     C          30    III          65

Answer 2

您需要找到region最高的population。然后groupby place转到具有该区域的数据子集，并找到最低的位置population。（假设该位置在真实数据中是重复的）

high_reg = df.groupby('region')['population'].sum().reset_index(name='count').sort_values('count').iloc[-1]['region']

df.loc[df['region']==high_reg].groupby('place')['population'].sum().reset_index(name='count').sort_values('count').iloc[0]['place']

输出：

'C'