python pandas：删除列A的重复项，将行的最高值保留在列B中

Question

我在A列中有一个具有重复值的数据框。我想删除重复项，将行的最高值保留在B列中。

所以这：

A B

1 10

1 20

2 30

2 40

3 10

应该变成这样：

A B

1 20

2 40

3 10

Wes添加了一些不错的功能来删除重复项：http ://wesmckinney.com/blog/?p=340 。但是AFAICT是为精确重复而设计的，因此没有提及选择保留哪些行的标准。

我猜想可能有一个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-，但是我不知道groupby的内部逻辑足以弄清楚它。有什么建议么？

Answer 1

这需要最后一个。虽然不是最大：In [10]: df.drop_duplicates(subset='A', keep="last")Out[10]:    A   B1  1  203  2  404  3  10您还可以执行以下操作：In [12]: df.groupby('A', group_keys=False).apply(lambda x: x.loc[x.B.idxmax()])Out[12]:    A   BA       1  1  202  2  403  3  10

Answer 2

首要的答案是做太多的工作，对于较大的数据集来说看起来很慢。apply速度慢，应尽可能避免。ix已弃用，也应避免使用。df.sort_values('B', ascending=False).drop_duplicates('A').sort_index()   A   B1  1  203  2  404  3  10或简单地按所有其他列分组并获取所需的最大列数。 df.groupby('A', as_index=False).max()

Answer 3

这是我必须解决的一个变体，值得分享：对于其中的每个唯一字符串，columnA我想在中找到最常见的关联字符串columnB。df.groupby('columnA').agg({'columnB': lambda x: x.mode().any()}).reset_index()在.any()是否有对应的模式领带挑选一个。（请注意，.any()在一系列上使用会int返回布尔值，而不是选择其中一个。）对于原始问题，相应的方法简化为df.groupby('columnA').columnB.agg('max').reset_index()。