Python - 根据列的最大值删除重复项

【问题标题】：Python - Drop duplicate based on max value of a columnPython - 根据列的最大值删除重复项
【发布时间】：2017-02-16 07:21:38
【问题描述】：

我不太擅长 pandas，我认为 pandas 应该可以解决我的问题：我有一个包含数据的文本文件 (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;

因此，我想保留等于id1、id2、value1 和更高value3 的行。 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;

【问题讨论】：

标签： python sorting pandas group-by max

【解决方案1】：

对于最大值为value3 的索引，您需要DataFrameGroupBy.idxmax，然后通过loc 选择DataFrame：

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 和 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

【讨论】：