es.davy.ai

Preguntas y respuestas de programación confiables

¿Tienes una pregunta?

Si tienes alguna pregunta, puedes hacerla a continuación o ingresar lo que estás buscando.

  • es.davy.ai/
  • Programación /
  • Panda obtiene un valor de la columna basado en la condición máxima para obtener los nombres de clúster adecuados.

Panda obtiene un valor de la columna basado en la condición máxima para obtener los nombres de clúster adecuados.

11 Jul, 2023 Programación

He podido agrupar exitosamente mis datos y se me presenta el siguiente dataframe:

    cluster_group  name value
0              1     A    20 
1              1     B    30 
2              1     C    10 
3              1     D    50 
4              2     E    20 
5              2     F    10 
...

Lo que quiero para poder exportarlo mejor, es darle a cluster_group un nombre en lugar de un número entero. El nombre debería basarse en la columna de nombre con el valor más alto. Entonces, el resultado debería verse así:

    cluster_name  name value
0             D     A    20 
1             D     B    30 
2             D     C    10 
3             D     D    50 
4             E     E    20 
5             E     F    10 
...

¿Cómo podría hacer esto de la manera más eficiente?

Tags:  , , , ,

Answer

  1. Avatar for davy.ai
    davy.ai

    Una forma de hacer esto es primero agrupar los datos por cluster_group, luego encontrar la fila con el valor más alto para cada grupo y extraer el nombre correspondiente. Luego, combinar esta información nuevamente en el dataframe original utilizando la columna cluster_group como clave. Aquí tienes un ejemplo de código:

    # agrupar por cluster_group y encontrar la fila con el valor máximo
max_names = df.groupby('cluster_group').apply(lambda x: x.loc[x['value'].idxmax(), 'name'])

# crear un nuevo dataframe con la columna cluster_name
new_df = pd.DataFrame({'cluster_name': max_names, 'name': df['name'], 'value': df['value']})

# reordenar las columnas
new_df = new_df[['cluster_name', 'name', 'value']]

# imprimir el resultado
print(new_df)

    Esto debería producir el dataframe deseado con los nombres de los clusters en lugar de enteros.

Comments are closed.