Pandas按年份提取最高Score对应Gross并计算均值的实现问题

关于transform的作用说明 #

• 普通的groupby('Year')['Score'].max()是按年份分组后，每个分组仅返回1个最高得分，输出结果长度等于年份数量，你拿到的4个值就对应1920/1930/1940/1960四个年份的最高分
• groupby('Year')['Score'].transform('max')会把每个分组计算得到的最高分，回填到该分组的所有行上，输出长度和你的原始数据集行数完全一致，你拿到的13个值，每一行就代表当前行所属年份的最高得分，比如前3行都是1920年的，所以值都是1920年的最高分5.5

完整实现代码 #

import pandas as pd

# 读取数据
df = pd.read_csv('test.csv')

# 筛选出得分等于当年最高分的记录，按年份分组计算Gross的平均值
# 不需要保留中间字段可直接写为一行
result = df[df['Score'] == df.groupby('Year')['Score'].transform('max')].groupby('Year')['Gross'].mean()

print(result)

输出结果说明 #

运行后得到的结果如下，和需求完全匹配：

Year
1920    160.000000
1930    250.000000
1940    616.666667
1960    300.000000
Name: Gross, dtype: float64

• 1920年两条最高分记录的Gross为150、170，平均值160
• 1930年两条最高分记录的Gross为300、200，平均值250
• 1940年三条最高分记录的Gross为500、650、700，平均值约616.67
• 1960年两条最高分记录的Gross为290、310，平均值300

内容的提问来源于stack exchange，提问作者Huy Pham