Question

你好，我有一个想要清理的 Pandas 数据框。这是一个例子：

<头>

IDBILL	IDBUYER	比尔	日期
001	768787	45	1897-07-24
002	768787	30	1897-07-24
005	786545	45	1897-08-19
008	657676	89	1989-09-23
009	657676	42	1989-09-23
010	657676	18	1989-09-23
012	657676	51	1990-03-10
016	892354	73	1990-03-10
018	892354	48	1765-02-14

我想删除最高的帐单（并保留最低的帐单，当同一天的帐单由同一 IDBUYER 开具且帐单 ID 相互跟随时。要得到这个：

<头>

IDBILL	IDBUYER	比尔	日期
002	768787	30	1897-07-24
005	786545	45	1897-08-19
010	657676	18	1989-09-23
012	657676	51	1990-03-10
016	892354	73	1990-03-10
018	892354	48	1765-02-14

提前致谢

Answer 1

首先使用 to_datetime() 方法将 'DATE' 列转换为 datetime dtype：

df['DATE'] = pd.to_datetime(df['DATE'])

尝试使用 groupby() 方法：

result=df.groupby(['IDBUYER',df['DATE'].dt.day],as_index=False)[['IDBILL','BILL','DATE']].min()

或

result=df.groupby(['DATE', 'IDBUYER'], sort=False)[['IDBILL','BILL']].min().reset_index()

result 的输出：

    IDBUYER     IDBILL  BILL    DATE
0   657676      12      51      1990-03-10
1   657676      8       18      1989-09-23
2   768787      1       30      1897-07-24
3   786545      5       45      1897-08-19
4   892354      16      73      1990-03-10
5   892354      18      48      1765-02-14

Answer 2

您可以尝试仅保留最低条目的最小值，这是 idbill 的后续：

df['follow_up'] = df['IDBILL'].ne(df['IDBILL'].shift()+1).cumsum()

m = df.groupby(['IDBUYER', 'follow_up', df['DATE']])['BILL'].idxmin()
df.loc[sorted(m)]

#    IDBILL  IDBUYER  BILL        DATE  follow_up
# 1       2   768787    30  1897-07-24          1
# 2       5   786545    45  1897-08-19          2
# 5      10   657676    18  1989-09-23          3
# 6      12   657676    51  1990-03-10          4
# 7      16   892354    73  1990-03-10          5
# 8      18   892354    48  1765-02-14          6

根据行和列的条件选择行

2 个答案: