保留最高绝对值并从具有重复索引的行中返回平均值

Question

我在 DataFrame 中有一组具有重复索引的值：         valueCDE   2.318620CDE  -3.097715LXU  -3.791043LXU   4.818995SWN   3.059964SWN  -4.349304OAS  -3.336539LPI  -3.037097LPI  -5.701044LPI  -3.519923CZR  -3.270018CZR  -3.056712所需的结果是仅保留最高绝对值并在新列中返回平均值：         value    averageCDE  -3.097715  -0.389547LXU   4.818995   0.513976SWN  -4.349304  -0.644670OAS  -3.336539  -3.336539LPI  -5.701044  -4.086021CZR  -3.270018  -3.163365我试图将 .apply(lambda) 应用于重复的行，但出现“轴”错误：max_absolute = lambda x: max(x.min(), x.max(), key=abs)df_duplicate_absmax = df.groupby(df.index).apply(max_absolute, axis=1)ps：调整 Abhi 的解决方案以使用 NaN：df1 = df.groupby(df.index)['value'].agg([lambda x: max(x[~np.isnan(x)], key=abs), 'mean'])

Answer 1

用：

df1 = df.groupby(df.index)['value'].agg([lambda x: max(x,key=abs), 'mean'])

df1.columns = ['value', 'average']

print (df1)

        value   average

CDE -3.097715 -0.389547

CZR -3.270018 -3.163365

LPI -5.701044 -4.086021

LXU  4.818995  0.513976

OAS -3.336539 -3.336539

SWN -4.349304 -0.644670

Answer 2

这是一个使用groupby+agg和两个函数的解决方案，一个通过绝对值计算最大值，另一个计算平均值：

def max_abs(x):

    return x.iloc[x.abs().values.argmax()]

res = df.groupby(level=0).agg([max_abs, 'mean'])\

        .xs('value', axis=1, drop_level=True)

print(res)

      max_abs      mean

CDE -3.097715 -0.389547

CZR -3.270018 -3.163365

LPI -5.701044 -4.086021

LXU  4.818995  0.513976

OAS -3.336539 -3.336539

SWN -4.349304 -0.644670