python pandas：删除列A的重复项，将行的最高值保留在列B中

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是专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-但我不知道groupby的内部逻辑足以弄清楚它。有什么建议？

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

首要的答案是做太多的工作，对于较大的数据集来说似乎很慢。 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   B
1  1  20
3  2  40
4  3  10

或简单地按所有其他列分组并获取所需的最大列。 df.groupby('A', as_index=False).max()

最简单的解决方案：

要基于一列删除重复项：

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

要基于多个列删除重复项：

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

试试这个：

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

我会先对数据框进行排序，然后将B列降序，然后删除A列的重复项并保留在第一位

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

没有任何分组

您也可以尝试

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

我是从https://pandas.pydata.org/pandas-docs/stable/genic/pandas.DataFrame.drop_duplicates.html引用的

我认为在您的情况下，您确实不需要groupby。我将按降序排列您的B列，然后在A列中删除重复项，如果您愿意，还可以像这样创建一个新的美观索引：

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

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()。

当已有的帖子回答了这个问题时，我做了一点改动，添加了在其上应用了max（）函数的列名，以提高代码的可读性。

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

最简单的方法：

# 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

这也可以：

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

我不打算给你全部答案（我不认为你正在寻找的解析反正写文件的一部分），但是关键的暗示就足够了：使用Python的set()功能，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]