pandas.api.typing.DataFrameGroupBy.max#

DataFrameGroupBy.max(numeric_only=False, min_count=-1, skipna=True, engine=None, engine_kwargs=None)[原始碼]#

計算組值的最大值。

引數:

numeric_onlybool, default False

僅包含浮點數、整數、布林列。

2.0.0 版本已更改： numeric_only 不再接受 None。

min_countint, default -1

執行操作所需有效值的數量。如果非 NA 值的數量少於 min_count，則結果將為 NA。

skipnabool, 預設 True

排除 NA/null 值。如果整個組都是 NA 且 skipna 為 True，則結果為 NA。

版本 3.0.0 中已更改。

enginestr, 預設 None None

'cython' : 透過 cython 的 C 擴充套件執行滾動應用。
'numba'透過 numba 的 JIT 編譯程式碼執行滾動應用。
僅在 raw 設定為 True 時可用。
None預設為 'cython' 或全域性設定
compute.use_numba

engine_kwargsdict, 預設 None None

對於 'cython' 引擎，不接受 engine_kwargs。
對於 'numba' 引擎，該引擎可以接受 nopython、nogil
和 parallel 字典鍵。值必須為 True 或 False。'numba' 引擎的預設 engine_kwargs 為 {'nopython': True, 'nogil': False, 'parallel': False}，並將應用於 func 和 apply 分組聚合。

返回:

Series 或 DataFrame: 計算每個組內值的最大值。

另請參閱

SeriesGroupBy.min: 返回組值的最小值。
DataFrameGroupBy.min: 返回組值的最小值。
SeriesGroupBy.max: 返回組值的最大值。
DataFrameGroupBy.max: 返回組值的最大值。
SeriesGroupBy.sum: 返回組值的總和。
DataFrameGroupBy.sum: 返回組值的總和。

示例

對於 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

對於 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