根据评论进行编辑

Question

我有一个Pandas数据框，它具有一些重复的值，而不是行。我想使用groupby.apply删除重复项。一个例子如下。

df = pd.DataFrame([['a', 1, 1], ['a', 1, 2], ['b', 1, 1]], columns=['A', 'B', 'C'])
   A  B  C
0  a  1  1
1  a  1  2
2  b  1  1

# My function
def get_uniq_t(df):
    if df.shape[0] > 1:
        df['D'] = df.C * 10 + df.B
        df = df[df.D == df.D.max()].drop(columns='D')
    return df

df = df.groupby('A').apply(get_uniq_t)

然后我得到以下值错误消息。问题似乎与创建新列D有关。如果我在函数外部创建列D，则代码似乎运行良好。有人可以帮忙解释造成值错误消息的原因吗？

ValueError: Shape of passed values is (3, 3), indices imply (2, 3)

Answer 1

您的代码存在问题，因为它试图修改原始组。

另一个问题是此函数应返回单行不是DataFrame。

将功能更改为：

def get_uniq_t(df):
    iMax = (df.C * 10 + df.B).idxmax()
    return df.loc[iMax]

然后其应用程序返回：

根据评论进行编辑

我认为不允许修改原始组，因为它将间接修改原始DataFrame。

至少它会显示关于此的警告，并且被认为是不良做法。在Web上搜索 SettingWithCopyWarning 以获得更详细的说明。

我的代码（ get_uniq_t 函数）不修改原始组。它只会从当前组中返回一个行。

根据返回最大值的行选择返回的行 df.C * 10 + df.B中的。因此，当您应用此功能时，结果是 DataFrame，连续行等于此函数的结果连续的组。

当您执行创建一些新内容，例如作为 groupby 指令的结果然后将其保存到到目前为止已保存源代码的相同变量下数据框。

使用Pandas groupby.apply删除重复项时出错

1 个答案:

根据评论进行编辑