python pandas : 열 A에서 중복을 제거하고 열 B에서 가장 높은 값을 유지

열 A에 반복 값이있는 데이터 프레임이 있습니다. 열 B를 가장 높은 값으로 유지하면서 중복을 삭제하고 싶습니다.

그래서 이거:

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

이것으로 바꿔야합니다 :

A B
1 20
2 40
3 10

Wes는 중복을 제거하는 몇 가지 훌륭한 기능을 추가했습니다. http://wesmckinney.com/blog/?p=340 . 그러나 AFAICT는 정확한 복제를 위해 설계되었으므로 유지할 행을 선택하는 기준에 대한 언급은 없습니다.

중복을 삭제하기 전에 데이터 프레임을 정렬하는 것만큼이나 쉬운 방법이있을 것입니다.하지만 그룹 별 내부 논리를 잘 알지 못합니다. 어떤 제안?

마지막이 걸립니다. 그러나 최대 값은 아닙니다.

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

다음과 같은 작업을 수행 할 수도 있습니다.

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

가장 큰 대답은 너무 많은 작업을 수행하고 있으며 더 큰 데이터 세트에 대해서는 매우 느리게 보입니다. apply느리고 가능한 경우 피해야합니다. ix더 이상 사용되지 않으며 피해야합니다.

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

   A   B
1  1  20
3  2  40
4  3  10

또는 다른 모든 열을 기준으로 그룹화하고 필요한 열을 최대한 활용하십시오. df.groupby('A', as_index=False).max()

가장 간단한 해결책 :

한 열을 기준으로 중복을 삭제하려면

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

여러 열을 기준으로 중복을 삭제하려면

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

이 시도:

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

먼저 B 열을 내림차순으로 데이터 프레임을 정렬 한 다음 A 열에 대해 중복을 삭제하고 먼저 유지하십시오.

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

어떤 그룹없이

당신도 이것을 시도 할 수 있습니다

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

https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.drop_duplicates.html 에서 이것을 참조했습니다.

나는 당신의 경우에 당신은 정말로 그룹별로 필요하지 않다고 생각합니다. 나는 B 열을 내림차순으로 정렬 한 다음 A 열에서 중복을 삭제하고 원하는 경우 다음과 같이 새롭고 깔끔한 인덱스를 가질 수 있습니다.

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

공유 할 가치가있는 변형이 있습니다. 각 고유 한 문자열에 대해 columnA에서 가장 일반적인 관련 문자열을 찾고 싶었습니다 columnB.

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

는 .any()모드의 넥타이가 있다면 하나를 선택합니다. ( .any()시리즈의int s 하면 부울 중 하나를 선택하지 않고 부울이 반환됩니다.

원래 질문의 경우 해당 접근법이 단순화됩니다.

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

이미 주어진 게시물이 질문에 대답했을 때 더 나은 코드 가독성을 위해 max () 함수가 적용되는 열 이름을 추가하여 약간 변경했습니다.

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

가장 쉬운 방법은 :

# 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

이것은 또한 작동합니다 :

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

나는 당신에게 전체적인 대답을주지 않을 것입니다 (어쨌든 파일 부분을 파싱하고 쓰는 것을 생각하지 않는다고 생각합니다).하지만 중요한 힌트로 충분해야합니다 : 파이썬 set()기능을 사용 하고 다음 sorted()과 .sort()결합하십시오 .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]