[已解决]关于分组求和的问题

wp231957

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

最佳答案

月排行榜 / 总排行榜

FishC

2024-9-27 10:14:44

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": [3.0, 8.0, 11.0, 4.0, 6.0, 16.0, 5.0, 7.0, 10.0, 15.0, 8.0, 9.0, 1.0, 2.0]
}

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[x["数量"].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[x["数量"].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。

跳转到最佳答案楼层

FishC

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": [3.0, 8.0, 11.0, 4.0, 6.0, 16.0, 5.0, 7.0, 10.0, 15.0, 8.0, 9.0, 1.0, 2.0]
}

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[x["数量"].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[x["数量"].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。