python - 在 Pandas Dataframe 上使用 groupby 按一列重新排列，最大值仅为另一列

问题描述

我试着用我的原始数据和代码来问这个问题，但我意识到它可能读起来太多了，所以我将尝试创建一些玩具数据来简化问题。这是带有一些玩具数据的代码，应该很容易复制/粘贴以重现：

import pandas as pd

df = pd.DataFrame([['A boy ran.', [1,2], 1, [5,7], 0.997], ['A good pet.', [7,9], 0, [3,2], 0.977], ['The car is fast.', [7,5], 1, [1,9], 0.962], ['The girl sang.', [0,5], 2, [4,1], 0.992]], columns=['sentences', 'embeddings', 'labels', 'cluster_centres', 'cosine_scores'])
print(df)

new_df = df.groupby(['labels']).max()
print(new_df)

初始数据框（df_ _并在每一行中包含一个浮点数。sentencesembeddingscluster_centreslabelscosine_scores

我想按列中的值对行进行分组labels（因此 0s 和 1s 和 2s 在一起），然后从每个标签sentence的列中具有最大值的行中的列中获取句子。cosine_scores所以为了澄清，在上面的例子中，列中有两行值为 1 labels。第一行（行索引=0）比另一行（行索引=2）具有更高的 cosine_score（具体而言：0.997>0.962）。因此，对于 1 的标签，我想要 index=0 ( 'A boy ran.') 中的句子。但是，当我运行上面的代码时，我得到以下数据框new_df：

               sentences embeddings cluster_centres  cosine_scores
labels                                                            
0            A good pet.     [7, 9]          [3, 2]          0.977
1       The car is fast.     [7, 5]          [5, 7]          0.997
2         The girl sang.     [0, 5]          [4, 1]          0.992

如您所见，它为标签 = 1 的 cosine_scores 选择了正确的最大值（从行索引 = 0 为 0.997），但是，在句子列中它选择了错误的句子（应该是A boy ran而不是The car is fast）。根据我对实际数据的分析，这是因为它选择了以“max”字母开头的句子（即按字母顺序排列的字母，在这种情况下，T 在 A 之后，所以选择了另一个句子）。无论如何，所以我的问题是，我该如何选择 ONLY cosine_scores 的最大值并从同一行返回其他列作为每个标签的最大值labels？谢谢你的帮助！！

标签： pythonpandasdataframe

sentences embeddings labels cluster_centres cosine_scores 3 The girl sang. [0, 5] 2 [4, 1] 0.992 0 A boy ran. [1, 2] 1 [5, 7] 0.997 1 A good pet. [7, 9] 0 [3, 2] 0.977

python - 在 Pandas Dataframe 上使用 groupby 按一列重新排列，最大值仅为另一列

问题描述

解决方案

推荐阅读