python - 列 A で重複を削除し、列 B の値が最も高い行を保持します。

Question

列 A に繰り返し値を持つデータフレームがあります。列 B の値が最も高い行を保持して、重複を削除したいと考えています。

したがって、この：

これに変わるはずです：

おそらくこれを行う簡単な方法があると思いますが、重複を削除する前に DataFrame をソートするのと同じくらい簡単かもしれませんが、それを理解するのに十分なほど groupby の内部ロジックを知りません。助言がありますか？

score 293 · Accepted Answer

これは最後にかかります。ただし、最大ではありません：

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

次のようなこともできます。

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

score 132 · Accepted Answer

一番の答えは、あまりにも多くの作業を行っていることであり、大規模なデータセットでは非常に遅いように見えます。applyは遅いため、可能であれば避ける必要があります。ixは推奨されておらず、同様に避ける必要があります。

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

   A   B
1  1  20
3  2  40
4  3  10

または、他のすべての列でグループ化し、必要な列の最大値を取得します。df.groupby('A', as_index=False).max()

score 11 · Accepted Answer

11

これを試して：

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

于 2012-09-19T15:10:56.213 に答える

score -9 · Accepted Answer

私はあなたに完全な答えを与えるつもりはありません（とにかくファイルの部分への解析と書き込みを探しているとは思いません）が、極めて重要なヒントで十分set()です.sorted().sort().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]

13 に答える 13