home

หน้าแรก
 Computer >> บทช่วยสอนคอมพิวเตอร์ >  >> การเขียนโปรแกรม >> Python

วิธีเลือกค่าสูงสุดของแต่ละกลุ่มใน Pandas DataFrame

บทนำ

การเลือกแถวที่มีค่าสูงสุดของคอลัมน์บางคอลัมน์ภายในแต่ละกลุ่ม เป็น operation พื้นฐานในการวิเคราะห์ข้อมูล บทความนี้แสดงวิธีหาค่าสูงสุดของแต่ละกลุ่มใน DataFrame

ปัญหา

สมมติมีข้อมูลหนัง ต้องการรายการหนังที่มี popularity สูงสุดของแต่ละปี

ขั้นตอนการทำงาน

1. เตรียมข้อมูล

โหลดข้อมูลหนังจาก Kaggle/GitHub


import pandas as pd
import numpy as np
movies = pd.read_csv("https://raw.githubusercontent.com/sasankac/TestDataSet/master/movies_data.csv")

2. สำรวจข้อมูล


print(movies.dtypes)
# budget int64, id int64, original_language object, ...
# popularity float64, release_date object, revenue int64, runtime float64...

3. ลดขนาดหน่วยความจำ (Optional)

แปลง int64/float64 ให้เล็กลงได้ เช่น vote_count, runtime ใช้ int16

4. สร้างคอลัมน์ปีจาก release_date


movies['year'] = pd.to_datetime(movies['release_date']).dt.year.astype('Int64')

วิธีที่ 1: ไม่ใช้ GroupBy (Sort + Drop Duplicates)

  1. เลือกคอลัมน์ title, year, popularity
  2. เรียงลำดับ year ascending, popularity descending
  3. drop_duplicates subset='year' เก็บแถวแรกของแต่ละปี (ซึ่งเป็น popularity สูงสุด)

result = movies[["title", "year", "popularity"]]\
    .sort_values(["year", "popularity"], ascending=[True, False])\
    .drop_duplicates(subset="year")

วิธีที่ 2: ใช้ GroupBy


result = movies[["title", "year", "popularity"]]\
    .groupby("year", as_index=False)\
    .apply(lambda df: df.sort_values("popularity", ascending=False).head(1))\
    .droplevel(0)\
    .sort_values("year", ascending=False)

ผลลัพธ์

ทั้งสองวิธีให้ผลลัพธ์เดียวกัน: หนังที่มี popularity สูงสุดแต่ละปี เช่น 2016 → Deadpool (514.57), 2015 → Minions (875.58), 2014 → Interstellar (724.25) ฯลฯ

สรุป

  • วิธีที่ 1 เข้าใจง่าย ใช้ sort + drop_duplicates
  • วิธีที่ 2 ใกล้เคียง SQL ใช้ groupby + apply
  • ทั้งคู่มีประสิทธิภาพดี เลือกได้ตามความชอบ