jak używać funkcji groupby () w tym przypadku?

df.groupby('Edition')[df['Medals'=='Silver']].count().idxmax() 

Czy powinien mieć pojedynczy cudzysłów w pobliżu medali?

Oto twoja ramka danych pandy:

import pandas as pd

data = [
    ['Germany', 1990, 'Aquatics', 'HAJOS, Alfred', 'silver'], 
    ['Germany', 1990, 'Aquatics', 'IRSCHMANN, Otto', 'silver'], 
    ['Germany', 1990, 'Aquatics', 'DRIVAS, Dimitrios', 'silver'], 
    ['US', 2008, 'Athletics', 'MALOKINIS, Ioannis', 'silver'], 
    ['US', 2008, 'Athletics', 'HAJOS, Alfred', 'silver'], 
    ['US', 2009, 'Athletics', 'CHASAPIS, Spiridon', 'gold'], 
    ['France', 2010, 'Athletics', 'CHOROPHAS, Efstathios', 'gold'], 
    ['France', 2010, 'golf', 'HAJOS, Alfred', 'silver'], 
    ['France', 2011, 'golf', 'ANDREOU, Joannis', 'silver']
]

df = pd.DataFrame(data, columns = ['country', 'edition', 'sports', 'Athletes', 'Medals'])
print(df) 

   country  edition     sports               Athletes  Medals
0  Germany     1990   Aquatics          HAJOS, Alfred  silver
1  Germany     1990   Aquatics        IRSCHMANN, Otto  silver
2  Germany     1990   Aquatics      DRIVAS, Dimitrios  silver
3       US     2008  Athletics     MALOKINIS, Ioannis  silver
4       US     2008  Athletics          HAJOS, Alfred  silver
5       US     2009  Athletics     CHASAPIS, Spiridon    gold
6   France     2010  Athletics  CHOROPHAS, Efstathios    gold
7   France     2010       golf          HAJOS, Alfred  silver
8   France     2011       golf       ANDREOU, Joannis  silver

Teraz możesz po prostu przefiltrować srebrne medale, a następnie wydanie groupby (pamiętaj, że 'Edition' wyrzuci KeyError w przeciwieństwie do 'edition') i ostatecznie wyliczyć:

df[df.Medals == 'silver'].groupby('edition').count()['Medals'].idxmax()
>>> 1990

Df [df ['Medal'] == 'srebrny']. groupby ('edycja'). rozmiar (). idxmax ()

Próbowałem tego i zadziałało! właśnie zastąpiłem count () rozmiarem ()

Powinieneś liczyć na wydanie na medal:

>>> df = pd.DataFrame({'edition':[1990,1990,1990,2008,2008,2009,2010,2010,2011],'Medals':['silver','silver','silver','silver','silver','gold','gold','silver','silver']})
>>> df['count'] = ''
>>> df['count'] = df.groupby(['edition','Medals']).transform('count')

Następnie wykonaj filtrowanie na max ():

>>> df = df[df['Medals'].isin(['silver'])]
>>> df
   edition  Medals  count
0     1990  silver      3
1     1990  silver      3
2     1990  silver      3
3     2008  silver      2
4     2008  silver      2
7     2010  silver      1
8     2011  silver      1
>>> df = df[df['count'].isin([df['count'].max()])]
>>> df
   edition  Medals  count
0     1990  silver      3
1     1990  silver      3
2     1990  silver      3

Lub

>>> df[df['count'].isin([df['count'].max()])]['Medals'].unique()[0]

'silver'

Możesz pogrupować według obu kolumn, aby rozwiązać:

df[df['Medals'] == 'silver'].groupby(['edition','Medals'],as_index=True)['Athletes'].count().idxmax()

# Outcome:
(1990, 'silver')