Python - 根据列的最大值删除重复项

Question

我不太擅长熊猫，我认为熊猫应该解决我的问题：我有一个文本文件，其中包含数据 ( id1; id2; value1; value2; value3)

1;2;30;40;20.3;
1;2;30;42;26.2;
3;5;12;55;10.7;
3;5;12;23;8.7;
3;5;12;33;11.2;
24;12;1;553;1.1;
24;12;1;23;1.9;

其结果是，我想保持线，有平等的id1，id2，value1，和更高value3。Value2不重要，但需要保留，例如

1;2;30;42;26.2;
3;5;12;33;11.2;
24;12;1;23;1.9; 

Answer 1

您需要DataFrameGroupBy.idxmax的最大值的索引并通过value3进行选择：DataFrameloc

print (df.groupby(['id1','id2','value1']).value3.idxmax())
id1  id2  value1
1    2    30        1
3    5    12        4
24   12   1         6
Name: value3, dtype: int64

df = df.loc[df.groupby(['id1','id2','value1']).value3.idxmax()]
print (df)
   id1  id2  value1  value2  value3   a
1    1    2      30      42    26.2 NaN
4    3    5      12      33    11.2 NaN
6   24   12       1      23     1.9 NaN

另一种可能的解决方案是sort_values按列value3，然后groupby使用GroupBy.first：

df = df.sort_values('value3', ascending=False)
       .groupby(['id1','id2','value1'], sort=False)
       .first()
       .reset_index()
print (df)
   id1  id2  value1  value2  value3   a
0    1    2      30      42    26.2 NaN
1    3    5      12      33    11.2 NaN
2   24   12       1      23     1.9 NaN