取最大值從多個分組數據大熊貓

Question

我在一個循環中，給了我像下面 df.groupby(['grp1','grp2'])['mycol'].sum()

基本上我讓我的分組元素的總和GROUPBY輸出。

grp1 grp2 
A  1 10 
B  1 20 
C  2 30 
D  3 40 
E  4 50 
     1 60 

現在下一次迭代中我可以得到一個像下面

grp1 grp2 
A  1 20 
D  3 40 
E  4 30 
     1 90 
F  1 40 

我想從每次迭代採取max分組DF。 所以第二迭代後我有這樣

grp1 grp2 
A  1 20 #because 20 was higher than 10 
B  1 20 #carried as it is 
C  2 30 #carried as it is 
D  3 40 #carried as it is (both were equal) 
E  4 30 #because 90+30 >50+60 
     1 90 
F  1 40 #added 

的輸出因此由最終我期間發言權5次迭代，其組達到峯值。 這聽起來很直接（跟蹤迄今爲止見過的最大值），但我沒有得到如何解決這個問題。 我試過df.groupby(['grp1','grp2'])['mycol'].sum().to_dict()，並且在閱讀新的df時做了更新字典的操作。 （只是一個嘗試，不知道如何保持字典更新）或者有一個簡單的pandas and np解決方案，我仍然不知道。

Answer 1

您可以再次使用groupby！ :-)

1. 串聯的結果（pd.concat），
2. 集團由索引（pd.Series.groupby, see level param），
3. 骨料與.max()

中所示代碼：

res = pd.concat(list_of_iteration_results) 
res = res.groupby(level=['grp1', 'grp2']).max()