python pandas：删除列A的重复项，保持列B中具有最高值的行

8 回答

• 105

  这需要最后一次 . 虽然不是最大值：

  In [10]: df.drop_duplicates(subset='A', keep="last")
  Out[10]: 
     A   B
  1  1  20
  3  2  40
  4  3  10
  

  你也可以这样做：

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

  回复于 2024-04-20T20:53:57+08:00
• 26

  最重要的答案是做了太多的工作，对于大型数据集看起来非常慢 . apply 很慢，如果可能应该避免 . ix 已弃用，也应予以避免 .

  df.sort_values('B', ascending=False).drop_duplicates('A').sort_index()
  
     A   B
  1  1  20
  3  2  40
  4  3  10
  

  或者只是按所有其他列分组并获取所需列的最大值 . df.groupby('A', as_index=False).max()

  回复于 2024-04-20T20:53:57+08:00
• 1

  试试这个：

  df.groupby(['A']).max()
  

  回复于 2024-04-20T20:53:57+08:00
• 6

  你也可以试试这个

  df.drop_duplicates(subset='A', keep='last')
  

  我从https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.drop_duplicates.html提到了这个

  回复于 2024-04-20T20:53:57+08:00
• 0

  我认为在你的情况下，你真的不需要一个groupby . 我会按降序排序你的B列，然后在A列删除重复项，如果你愿意，你也可以有一个新的漂亮而干净的索引：

  df.sort_values('B', ascending=False).drop_duplicates('A').sort_index().reset_index(drop=True)
  

  回复于 2024-04-20T20:53:57+08:00
• -5

  当已经发布帖子回答问题时，我通过添加应用了max（）函数的列名进行了一些小改动，以获得更好的代码可读性 .

  df.groupby('A', as_index=False)['B'].max()
  

  回复于 2024-04-20T20:53:57+08:00
• -1

  这也有效：

  a=pd.DataFrame({'A':a.groupby('A')['B'].max().index,'B':a.groupby('A')       ['B'].max().values})
  

  回复于 2024-04-20T20:53:57+08:00
• 1

  我不打算给你完整的答案（我还没有找到解析和写入文件部分），但一个关键的提示应该足够了：使用python的 set() 函数，然后 sorted() 或 .sort() 加上 .reverse() ：

  >>> a=sorted(set([10,60,30,10,50,20,60,50,60,10,30]))
  >>> a
  [10, 20, 30, 50, 60]
  >>> a.reverse()
  >>> a
  [60, 50, 30, 20, 10]
  

  回复于 2024-04-20T20:53:57+08:00