0

Boa tarde, pessoal. Estou mexendo com a biblioteca Pandas no Python e gostaria de tirar uma dúvida, se possível. Eu tenho uma lista de valores e preciso reduzir esta lista para apenas um registro por data. O critério é que o terceiro campo (contador) seja o maior de sua respectiva data. Para fazer isso, usei o seguinte código:

import pandas as pd

lista = [("2020-11-16", "803", 4),
    ("2020-11-16", "801", 18),
    ("2020-11-16", "802", 20),
    ("2020-11-17", "801", 12),
    ("2020-11-17", "802", 6)]

df = pd.DataFrame(lista)
df.columns=['data', 'codigo', 'contador']
df2 = df.groupby('data')['contador'].max()
for i in df2.items():
    data = i[0]
    contador = i[1]
    print(data, contador)

#O resultado obtido foi o seguinte e está correto: 
['2020-11-16', 20]
['2020-11-17', 12]

A minha dúvida seria se é possível trazer junto neste resultado a coluna 'codigo', sem que esta passe por agrupamento. Se eu a colocar no groupby terei vários registros por data e estará errado, pois só posso ter um único registro por data. Teria alguma maneira de fazer isso, seja pelo pandas ou de outra maneira? Obrigado desde já.

2 Respostas 2

2

Uma solução seria criar um 'filtro':

filtro = df.groupby('data')['contador'].max()

E depois utilizar o isin do pandas:

df[df['contador'].isin(filtro)].reset_index(drop = True)

Saída:

    data        codigo  contador
0   2020-11-16    802        20
1   2020-11-17    801        12
3
  • 1
    @imonferrari, bela solução! Não tenho o hábito de usar o método isin(), pois normalmente trabalho com a base toda. Com certeza me fará pensar diferente de agora em diante. 18/11/2020 às 0:13
  • Opa! Agradeço, Paulo! isin é um método bem rápido, depois que começa a usar se torna um vício kkkk. Brincadeiras a parte... Grande Abraço! 18/11/2020 às 0:20
  • 1
    Perfeito. Não conhecia essa possibilidade de filtro com o isin(). Muito obrigado!
    – jhenrique
    18/11/2020 às 12:33
2

Acredito que o que você esteja procurando é o aggregate

Para obter o resultado, basta:

  1. Criar uma estrutura de funções desejadas para cada campo
f = {'contador': 'max', 'codigo': 'first'}
  1. Faça o groupby com agg passando f como parâmetro
df2 = series = df.groupby('data', as_index=False)[['contador', 'codigo']].agg(f)

O resultado será:

>>> df2
         data  contador codigo
0  2020-11-16        20    803
1  2020-11-17        12    801

Perceba que o código escolhido pelo aggregate foi o first, o que no caso é o 803. Porém, caso você queira o mesmo que está na linha do contador=20, ou seja, codigo=802 faça exatamente o que vc estava fazendo e depois conclua com um merge()

df3 = pd.merge(df2, df, on=['data', 'contador'])

O resultado será:

>>> df3
         data  contador codigo
0  2020-11-16        20    802
1  2020-11-17        12    801

Espero ter ajudado

4
  • Fala Paulo, boa noite! Tudo bom? Em um data frame maior parece que cria colunas codigo_x e codigo_y. Creio que tenha que excluir a codigo_x pro resultado ficar igual ao que ele pede no problema. Grande Abraço! 17/11/2020 às 23:49
  • 1
    @imonferrari, obrigado pelo comentário. Os campos que existem nos dois dataframes recebem automaticamente os sufixos_x e _y. Particularmente eu prefiro passar os sufixos como parâmetro no merge. Algo como suffixes=('_df1', '_df2') ou suffixes=('_left', '_right'). Outros parâmetros bem úteis são left_on e right_on que permitem juntar dataframes quando os campos possuem nomes diferentes. Veja mais detalhes do merge aqui. 17/11/2020 às 23:55
  • Sim, foi só uma observação mesmo para a resposta "sair" do jeito que ele espera, no mais ta tudo nos conformes kkkk. Abraço!! 18/11/2020 às 0:02
  • 1
    Testei aqui também com o aggregate e deu certo também, obrigado Paulo. É bom saber que temos caminhos diferentes para fazer isso. Agradeço muito pelas duas respostas, até mais pessoal.
    – jhenrique
    18/11/2020 às 12:35

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .