dask_expr._groupby.SeriesGroupBy.max
dask_expr._groupby.SeriesGroupBy.max¶
- SeriesGroupBy.max(numeric_only=False, **kwargs)¶
计算组值的最大值。
此文档字符串是从 pandas.core.groupby.groupby.GroupBy.max 复制而来的。
Dask 版本可能存在一些不一致性。
- 参数
- 仅数值bool, 默认 False
仅包含浮点数、整数、布尔类型的列。
在 2.0.0 版更改:
numeric_only不再接受None。- min_countint, 默认 -1 (在 Dask 中不支持)
执行操作所需的有效值数量。如果非NA值的数量少于
min_count，结果将为NA。- 引擎str, 默认 None None （Dask 中不支持）
'cython': 通过来自 cython 的 C 扩展运行滚动应用。'numba'通过来自 numba 的 JIT 编译代码运行滚动应用。仅在
raw设置为True时可用。
None: 默认为'cython'或全局设置compute.use_numba
- engine_kwargsdict, 默认 None None （Dask 中不支持）
对于
'cython'引擎，没有接受的engine_kwargs- 对于
'numba'引擎，该引擎可以接受nopython、nogil 和
parallel字典键。值必须是True或False。'numba'引擎的默认engine_kwargs是{'nopython': True, 'nogil': False, 'parallel': False}，并将应用于func和applygroupby 聚合。
- 对于
- 返回
- Series 或 DataFrame
计算每个组内值的最大值。
示例
对于 SeriesGroupBy:
>>> lst = ['a', 'a', 'b', 'b'] >>> ser = pd.Series([1, 2, 3, 4], index=lst) >>> ser a 1 a 2 b 3 b 4 dtype: int64 >>> ser.groupby(level=0).max() a 2 b 4 dtype: int64
对于 DataFrameGroupBy：
>>> data = [[1, 8, 2], [1, 2, 5], [2, 5, 8], [2, 6, 9]] >>> df = pd.DataFrame(data, columns=["a", "b", "c"], ... index=["tiger", "leopard", "cheetah", "lion"]) >>> df a b c tiger 1 8 2 leopard 1 2 5 cheetah 2 5 8 lion 2 6 9 >>> df.groupby("a").max() b c a 1 8 5 2 6 9