熊猫，如何过滤 df 以获得唯一条目？

Question

我有一个这样的数据框：

ID  type value
1   A    8
2   A    5
3   B    11
4   C    12
5   D    1
6   D    22
7   D    13

我想过滤数据框，以便我有一个唯一出现的“类型”属性（例如 A 只出现一次），如果有更多的行具有相同的“类型”值，我想选择具有更高值的行. 我想得到类似的东西：

ID  type value
1   A    8
3   B    11
4   C    12
6   D    22

我如何用熊猫做到这一点？

Answer 1

一种方法是对数据框进行排序，然后在 groupby 之后取第一个。

# first way
sorted = df.sort_values(['type', 'value'], ascending = [True, False])

first = sorted.groupby('type').first().reset_index()

另一种方式不一定只取第一个，因此可能会使所有 ID 对应于相同的最大值（而不是只取其中的一个）

# second way
grouped = df.groupby('type').agg({'value': max}).reset_index()
grouped = grouped.set_index(['type','value'])

second = grouped.join(df.set_index(['type', 'value']))

例子：

数据

ID  type    value
1   A   8
2   A   5
3   B   11
4   C   12
5   D   1
6   D   22
7   D   13
8   D   22

第一种方法导致

type  ID  value
A   1      8
B   3     11
C   4     12
D   6     22

第二种方法保持 ID=8

            ID
type value    
A    8       1
B    11      3
C    12      4
D    22      6
     22      8

（reset_index()如果你不喜欢多索引，你可以再次在这里）

Answer 2

df[['type', 'value']].drop_duplicates(subset=['type'])

这通常有效，如果你有更多的列，你可以选择感兴趣的列，在我们的例子中我们选择了所有，“类型”，“值”。