假设我有这个DF:
s1 = pd.Series([1,1,2,2,2,3,3,3,4])
s2 = pd.Series([10,20,10,5,10,7,7,3,10])
s3 = pd.Series([0,0,0,0,1,1,0,2,0])
df = pd.DataFrame([s1,s2,s3]).transpose()
df.columns = ['id','qual','nm']
df
id qual nm
0 1 10 0
1 1 20 0
2 2 10 0
3 2 5 0
4 2 10 1
5 3 7 1
6 3 7 0
7 3 3 2
8 4 10 0
我想获得一个没有重复ID的新DF,因此应该有4行ID为1,2,3,4。应根据以下标准选择应保留的行:取最小nm的行,如果相等,则取最大质量的行,如果仍相等,则选择一个。 我认为我的代码应类似于:
df.groupby('id').apply(lambda x: ???)
它应该返回:
id qual nm
0 1 20 0
1 2 10 0
2 3 7 0
3 4 10 0
但是不确定我的函数应该执行什么并返回。
还是有更简单的方法?
谢谢!
答案 0 :(得分:2)
将boolean indexing
与GroupBy.transform
一起使用,以使每组的行数最少,然后获取最大值,如果仍然是重复项,则最后用DataFrame.drop_duplicates
将其删除:
#get minimal nm
df1 = df[df['nm'] == df.groupby('id')['nm'].transform('min')]
#get maximal qual
df1 = df1[df1['qual'] == df1.groupby('id')['qual'].transform('max')]
#if still dupes get first id
df1 = df1.drop_duplicates('id')
print (df1)
id qual nm
1 1 20 0
2 2 10 0
6 3 7 0
8 4 10 0
答案 1 :(得分:0)
使用-
grouper = df.groupby(['id'])
df.loc[(grouper['nm'].transform(min) == df['nm'] ) & (grouper['qual'].transform(max) == df['qual']),:].drop_duplicates(subset=['id'])
输出
id qual nm
1 1 20 0
2 2 10 0
6 3 7 0
8 4 10 0