考虑以下数据框:
df = pd.DataFrame({
'case_id': [1050, 1050, 1050, 1050, 1051, 1051, 1051, 1051],
'elm_id': [101, 102, 101, 102, 101, 102, 101, 102],
'cid': [1, 1, 2, 2, 1, 1, 2, 2],
'fx': [736.1, 16.5, 98.8, 158.5, 272.5, 750.0, 333.4, 104.2],
'fy': [992.0, 261.3, 798.3, 452.0, 535.9, 838.8, 526.7, 119.4],
'fz': [428.4, 611.0, 948.3, 523.9, 880.9, 340.3, 890.7, 422.1]})
打印时看起来像这样:
--- case_id cid elm_id fx fy fz
0 1050 1 101 736.1 992.0 428.4
1 1050 1 102 16.5 261.3 611.0
2 1050 2 101 98.8 798.3 948.3
3 1050 2 102 158.5 452.0 523.9
4 1051 1 101 272.5 535.9 880.9
5 1051 1 102 750.0 838.8 340.3
6 1051 2 101 333.4 526.7 890.7
7 1051 2 102 104.2 119.4 422.1
我需要删除以下两列subcase
和elm_id
中存在重复值的行,并保留具有最高cid
的行。数据应如下所示:
--- case_id cid elm_id fx fy fz
0 1050 2 101 98.8 798.3 948.3
1 1050 2 102 158.5 452.0 523.9
2 1051 2 101 333.4 526.7 890.7
3 1051 2 102 104.2 119.4 422.1
我是熊猫新手。查看其他类似问题,我尝试使用.groupby()
和max()
,如下所示:df2 = df.groupby(['case_id', 'elm_id']).max()['cid'].reset_index()
。但是我丢失了列fx
,fy
和fz
。我觉得我很接近,我只是不知道下一步该往下看。
答案 0 :(得分:1)
您需要sort_values
+ drop_duplicates
:
df.sort_values('cid', ascending=False).drop_duplicates(['case_id', 'elm_id'])
case_id cid elm_id fx fy fz
2 1050 2 101 98.8 798.3 948.3
3 1050 2 102 158.5 452.0 523.9
6 1051 2 101 333.4 526.7 890.7
7 1051 2 102 104.2 119.4 422.1
答案 1 :(得分:0)
另一种方法:
df[(df.duplicated(subset=['subcase','elm_id']))&(df['cid']>1)]
case_id cid elm_id fx fy fz
2 1050 2 101 98.8 798.3 948.3
3 1050 2 102 158.5 452.0 523.9
6 1051 2 101 333.4 526.7 890.7
7 1051 2 102 104.2 119.4 422.1