基于两列A，B从数据框中删除重复项，并在另一列C中保留具有最大值的行
我有一个熊猫数据框，其中包含根据两列（A和B）重复的值：
A B C
1 2 1
1 2 4
2 7 1
3 4 0
3 4 8
我想删除重复项，使行在C列中具有最大值。这将导致：
A B C
1 2 4
2 7 1
3 4 8
我不知道该怎么做。我应该使用drop_duplicates()其他吗？
问题答案：
您可以使用分组依据：
c_maxes = df.groupby(['A', 'B']).C.transform(max)
df = df.loc[df.C == c_maxes]
c_maxes是每个组Series中的最大值的a
，C但与的长度和索引相同df。如果您还没有使用过，.transform那么打印c_maxes可能是个好主意，以了解其工作原理。
使用的另一种方法drop_duplicates是
df.sort('C').drop_duplicates(subset=['A', 'B'], take_last=True)
不确定哪种方法更有效，但是我猜第一种方法不涉及排序。
编辑： 从pandas 0.18第二个解决方案将是
df.sort_values('C').drop_duplicates(subset=['A', 'B'], keep='last')
或者，
df.sort_values('C', ascending=False).drop_duplicates(subset=['A', 'B'])
无论如何，该groupby解决方案的性能似乎都更高：
%timeit -n 10 df.loc[df.groupby(['A', 'B']).C.max == df.C]
10 loops, best of 3: 25.7 ms per loop
%timeit -n 10 df.sort_values('C').drop_duplicates(subset=['A', 'B'], keep='last')
10 loops, best of 3: 101 ms per loop
-
我有一个熊猫数据帧，其中包含根据两列（A和B）重复的值： 我想删除重复项，保留列C中具有最大值的行。这将导致： 我不知道如何做到这一点。我应该使用吗？
-
我有一个数据帧，在a列中有重复值。我想删除重复值，保留b列中值最高的行。 所以这个： 应该变成这个： 我猜可能有一种简单的方法可以做到这一点——可能就像在删除重复项之前对数据帧进行排序一样简单——但我对groupby的内部逻辑了解不够，无法搞清楚。有什么建议吗？
-
我有一个大型数据框（超过100列，还有几行10万行），其中包含许多包含重复数据的行。我正在尝试删除重复的行，将具有最大值的行保留在不同的列中。 本质上，我是根据时间段将数据分类到各个箱中，所以在不同的时间段，人们会发现很多重复，因为大多数实体存在于所有的时间段。然而，不允许的是同一实体在给定的时间段内出现不止一次。 我在python pandas中尝试了这种方法：通过列A删除重复项，在数据子集上保
-
我有一个数据帧列表。列表中的每个数据帧都是唯一的，这意味着有一些共享但不同的列。我想创建一个dataframe，它包含dataframe列表中的所有列，如果元素不存在，它将填充NaN。我试过以下方法 问题似乎是由于列表中的数据帧造成的。每个数据帧只有一行，因此其索引为零，因此重新编制索引不会起作用。我试过这个： 几乎生成一个随机数作为索引。但是，要获得此错误，请执行以下操作：
-
我有下表和Postgres： 作为select查询的一部分，我希望能够基于最高的Col2值（每个Col1值永远不会有多个最高值）在Col1中删除重复项，并保留相应的Col2、Col3值。 期望输出：
-
假设我有以下数据帧： 我想删除基于列A、B和C的重复项，保留列E最高的行。如果E列中的值相同，则保留D列最高的行。 所以上面的数据帧会变成: 我在那里看到了答案的开头：python熊猫：按列A删除重复项，保留列B中值最高的行，但不幸的是，我无法找到如何处理如果列E中的值相同，则保留列D中的最高值：/ （我正在一个相当大的数据集上运行此代码） 任何帮助赞赏！