python大 pandas ：按列A删除重复项，保持列B中值最大的行 [英] python pandas: Remove duplicates by columns A, keeping the row with the highest value in column B

问题描述

所以这样：

我有一个数据框，在A列中有重复值。我想删除重复项，保持列B中值最大的行。 / p>

  AB 
 1 10 
 1 20 
 2 30 
 2 40 
 3 10 
  

应该变成这样：

  AB 
 1 20 
 2 40 
 3 10 
  

Wes已经添加了一些很好的功能来删除重复项： http：// wesmckinney.com/blog/?p=340 。但是AFAICT是为了准确的重复设计，所以没有提到选择哪些行被保留的标准。

我猜想这可能是一个简单的方法， - 在删除重复项之前，可以像对数据框进行排序一样简单 - 但是我不知道groupby的内部逻辑能够很好地计算出来。任何建议？

解决方案

这需要最后一个。不是最大值：

 在[10]中：df.drop_duplicates（cols ='A'，take_last = True）
出[10]：
 AB 
 1 1 20 
 3 2 40 
 4 3 10 
  

您还可以执行以下操作：

 在[12]中：df。 groupby（'A'，group_keys = False）.apply（lambda x：x.ix [xBidxmax（）]）
输出[12]：
 AB 
 A 
 1 1 20 
 2 2 40 
 3 3 10 
  

I have a dataframe with repeat values in column A. I want to drop duplicates, keeping the row with the highest value in column B.

So this:

A B
1 10
1 20
2 30
2 40
3 10

Should turn into this:

A B
1 20
2 40
3 10

Wes has added some nice functionality to drop duplicates: http://wesmckinney.com/blog/?p=340. But AFAICT, it's designed for exact duplicates, so there's no mention of criteria for selecting which rows get kept.

I'm guessing there's probably an easy way to do this---maybe as easy as sorting the dataframe before dropping duplicates---but I don't know groupby's internal logic well enough to figure it out. Any suggestions?

解决方案

This takes the last. Not the maximum though:

In [10]: df.drop_duplicates(cols='A', take_last=True)
Out[10]: 
   A   B
1  1  20
3  2  40
4  3  10

You can do also something like:

In [12]: df.groupby('A', group_keys=False).apply(lambda x: x.ix[x.B.idxmax()])
Out[12]: 
   A   B
A       
1  1  20
2  2  40
3  3  10

这篇关于python大 pandas ：按列A删除重复项，保持列B中值最大的行的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！