Question

我有一个适用于Python 3.6x的Pandas 0.19.2数据框，如下所示。我想根据条件逻辑使用相同的drop_duplicates() Id。

import pandas as pd
import numpy as np
np.random.seed(1)
df = pd.DataFrame({'Id':[1,2,3,4,3,2,6,7,1,8],
              'Name':['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'K'],
              'Size':np.random.rand(10),
              'Age':[19, 25, 22, 31, 43, 23, 44, 20, 51, 31]})

根据我在下面描述的逻辑，最有效的方法（如果可能的话是矢量化）是什么？

1）在删除重复项之前，对重复的Size项中的Id个项求和。

2）删除相同Id记录的重复项，保留Age较大的记录。

所需的输出将是：

   Age  Id Name      Size
1   25   2    B  0.812662
3   31   4    D  0.302333
4   43   3    E  0.146870
6   44   6    G  0.186260
7   20   7    H  0.345561
8   51   1    I  0.813790
9   31   8    K  0.538817

Answer 1

将GroupBy.transform用于具有与原始DataFrame相同大小的聚合值，其中sort_values和drop_duplicates用于删除重复项：

df['Size'] = df.groupby('Id')['Size'].transform('sum')
df = df.sort_values('Age').drop_duplicates('Id', keep='last').sort_index()
print (df)
   Id Name      Size  Age
1   2    B  0.812663   25
3   4    D  0.302333   31
4   3    E  0.146870   43
6   6    G  0.186260   44
7   7    H  0.345561   20
8   1    I  0.813789   51
9   8    K  0.538817   31

熊猫-条件降落重复项

1 个答案: