关于分组求和的问题
有这样一组数据种类 型号 交易方向 数量
0 车辆 奔驰 买入 3.0
1 飞机A330 买入 8.0
2 车辆 宝马 买入11.0
3 飞机B777 卖出 4.0
4 火车 和谐号 买入 6.0
5 车辆 奥迪 卖出16.0
6 车辆 奔驰 卖出 5.0
7 飞机C919 卖出 7.0
8 车辆 宝马 卖出10.0
9 火车 复兴号 买入15.0
11火车 和谐号 卖出 8.0
12火车 和谐号 买入 9.0
13飞机B777 卖出 1.0
14车辆 宝马 买入 2.0
我想求得 在种类和型号都一样的时候，挑选买入或卖出的最大值，另一些数据舍去 这个该如何弄 你可以使用Python的`pandas`库来实现这个需求。以下是解决这个问题的步骤：
1. 导入`pandas`库。
2. 将数据加载到一个DataFrame中。
3. 使用`groupby`和`apply`方法，并在自定义函数中获取最大值。
下面是代码示例：
import pandas as pd
# 创建 DataFrame
data = {
"种类": ["车辆", "飞机", "车辆", "飞机", "火车", "车辆", "车辆", "飞机", "车辆", "火车", "火车", "火车", "火车", "车辆"],
"型号": ["奔驰", "A330", "宝马", "B777", "和谐号", "奥迪", "奔驰", "C919", "宝马", "复兴号", "和谐号", "和谐号", "B777", "宝马"],
"交易方向": ["买入", "买入", "买入", "卖出", "买入", "卖出", "卖出", "卖出", "卖出", "买入", "卖出", "买入", "卖出", "买入"],
"数量":
}
df = pd.DataFrame(data)
# 使用 groupby 和 apply 方法，获取每个分组的最大值
result = df.groupby(["种类", "型号", "交易方向"]).apply(lambda x: x.loc.idxmax()]).reset_index(drop=True)
print(result)
这个代码的工作原理如下：
1. `groupby(["种类", "型号", "交易方向"])`：按种类、型号和交易方向分组。
2. `apply(lambda x: x.loc.idxmax()])`：对每个分组应用一个自定义函数，找出数量上的最大值所在的行。
3. `.reset_index(drop=True)`：重置索引。
这段代码执行后，`result`会包含每个种类和型号在买入或卖出方向上的最大值。
请根据实际情况调整数据和列名。
以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。
页:
[1]