python pandaları: Yinelenenleri A sütunlarına göre kaldırarak B sütununda en yüksek değere sahip satırı koruyun

A sütununda tekrar değerleri olan bir veri çerçevesi var. B sütununda en yüksek değere sahip satırı tutarak yinelenenleri bırakmak istiyorum.

Yani bu:

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

Buna dönüşmeli:

A B
1 20
2 40
3 10

Wes, kopyaları bırakmak için bazı güzel işlevler ekledi: http://wesmckinney.com/blog/?p=340 . Ancak AFAICT, kesin kopyalar için tasarlanmıştır, bu nedenle hangi satırların tutulacağını seçmek için kriterlerden bahsedilmez.

Muhtemelen bunu yapmanın kolay bir yolu var --- belki yinelenenleri bırakmadan önce veri çerçevesini sıralamak kadar kolay - ama bunu anlamak için yeterince groupby'nin iç mantığını bilmiyorum. Baska öneri?

Bu sonuncusu alır. Yine de maksimum değil:

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

Ayrıca şöyle bir şey yapabilirsiniz:

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

En iyi cevap çok fazla iş yapmak ve daha büyük veri kümeleri için çok yavaş görünüyor. applyyavaştır ve mümkünse kaçınılmalıdır. ixkullanımdan kaldırılmıştır ve bunlardan da kaçınılmalıdır.

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

   A   B
1  1  20
3  2  40
4  3  10

Veya diğer tüm sütunlara göre gruplandırın ve ihtiyacınız olan sütunun maks. df.groupby('A', as_index=False).max()

En basit çözüm:

Bir sütuna göre kopyaları bırakmak için:

df = df.drop_duplicates('column_name', keep='last')

Birden çok sütuna dayalı kopyaları bırakmak için:

df = df.drop_duplicates(['col_name1','col_name2','col_name3'], keep='last')

Bunu dene:

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

Önce Sütun B azalan veri çerçevesini sıralar, sonra Sütun A için kopyaları bırakır ve önce tutarım

df = df.sort_values(by='B', ascending=False)
df = df.drop_duplicates(subset='A', keep="first")

grupsuz

Bunu da deneyebilirsin

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

Bunu https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.drop_duplicates.html adresinden gönderdim.

Bence senin durumunda gerçekten bir gruba ihtiyacın yok. B sütununu azalan sıraya göre sıralar, daha sonra A sütununa kopyaları bırakırsınız ve isterseniz böyle yeni ve güzel bir dizine sahip olabilirsiniz:

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

İşte paylaşmaya değer çözmek zorunda bir varyasyon: içinde her benzersiz dize columnAiçin en yaygın ilişkili dize bulmak istedim columnB.

df.groupby('columnA').agg({'columnB': lambda x: x.mode().any()}).reset_index()

.any()Modu için bir beraberliğin olanı seçer. ( .any()Bir Seri ints'de kullanmanın bunlardan birini seçmek yerine bir boole döndürdüğünü unutmayın .)

Orijinal soru için, karşılık gelen yaklaşım

df.groupby('columnA').columnB.agg('max').reset_index().

Zaten verilen mesajlar soruyu cevapladığında, daha iyi kod okunabilirliği için max () işlevinin uygulandığı sütun adını ekleyerek küçük bir değişiklik yaptım.

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

Bunu yapmanın en kolay yolu:

# First you need to sort this DF as Column A as ascending and column B as descending 
# Then you can drop the duplicate values in A column 
# Optional - you can reset the index and get the nice data frame again
# I'm going to show you all in one step. 

d = {'A': [1,1,2,3,1,2,3,1], 'B': [30, 40,50,42,38,30,25,32]}
df = pd.DataFrame(data=d)
df

    A   B
0   1   30
1   1   40
2   2   50
3   3   42
4   1   38
5   2   30
6   3   25
7   1   32


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

df

    A   B
0   1   40
1   2   50
2   3   42

bu da işe yarar:

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

Size tüm cevabı vermeyeceğim (yine de dosya parçasına ayrıştırma ve yazma aradığınızı düşünmüyorum), ancak önemli bir ipucu yeterli olmalıdır: python set()işlevini kullanın ve sonra sorted()veya ile .sort()birleştiğinde .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]