pandas.core.groupby.SeriesGroupBy.max#

SeriesGroupBy.max(numeric_only=False, min_count=-1, engine=None, engine_kwargs=None)[源代码]#

计算组值的最大值。

参数:

numeric_only布尔值, 默认为 False

只包含浮点数、整数、布尔列。

在 2.0.0 版本发生变更: numeric_only 不再接受 None。

min_countint, 默认 -1

执行操作所需的有效值数量。如果少于 min_count 个非NA值存在，结果将是NA。

引擎str, 默认 None None

'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_kwargs字典, 默认 None None

对于 'cython' 引擎，没有接受的 engine_kwargs
对于 'numba' 引擎，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 apply groupby 聚合。

返回:

Series 或 DataFrame: 计算每个组内值的最大值。

例子

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