Question

我对熊猫不是很好，我认为大熊猫应该解决我的问题：我有一个文本文件，其中包含数据（id1; id2; value1; value2; value3）

1;2;30;40;20.3;
1;2;30;42;26.2;
3;5;12;55;10.7;
3;5;12;23;8.7;
3;5;12;33;11.2;
24;12;1;553;1.1;
24;12;1;23;1.9;

因此，我希望保留等于id1，id2，value1和更高value3的行。 Value2并不重要，但需要保留，例如

1;2;30;42;26.2;
3;5;12;33;11.2;
24;12;1;23;1.9;

Answer 1

对于最大值为value3的索引，您需要DataFrameGroupBy.idxmax，并且loc选择DataFrame：

print (df.groupby(['id1','id2','value1']).value3.idxmax())
id1  id2  value1
1    2    30        1
3    5    12        4
24   12   1         6
Name: value3, dtype: int64

df = df.loc[df.groupby(['id1','id2','value1']).value3.idxmax()]
print (df)
   id1  id2  value1  value2  value3   a
1    1    2      30      42    26.2 NaN
4    3    5      12      33    11.2 NaN
6   24   12       1      23     1.9 NaN

另一个可能的解决方案是value3列sort_values，然后是groupby GroupBy.first：

df = df.sort_values('value3', ascending=False)
       .groupby(['id1','id2','value1'], sort=False)
       .first()
       .reset_index()
print (df)
   id1  id2  value1  value2  value3   a
0    1    2      30      42    26.2 NaN
1    3    5      12      33    11.2 NaN
2   24   12       1      23     1.9 NaN

Python - 根据列的最大值删除重复项

1 个答案: