問題描述
我有一個適用于 Python 3.6x 的 Pandas 0.19.2 數據框，如下所示.我想基于條件邏輯使用相同的 Id drop_duplicates().
I have a Pandas 0.19.2 dataframe for Python 3.6x as below. I want to drop_duplicates() with the same Id based on a conditional logic.
import pandas as pd
import numpy as np
np.random.seed(1)
df = pd.DataFrame({'Id':[1,2,3,4,3,2,6,7,1,8],
'Name':['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'K'],
'Size':np.random.rand(10),
'Age':[19, 25, 22, 31, 43, 23, 44, 20, 51, 31]})
根據我在下面描述的邏輯，實現這一目標的最有效(如果可能的話)方法是什么?
What would be the most efficient (if possible vectorised) way to achieve this based on the logic I describe below?
1) 在刪除重復項之前，將重復的 Id 條目的 Size 相加.
1) Before dropping duplicates, sum the Size of duplicate Id entries.
2) 刪除相同 Id 記錄的重復記錄，保留具有較大 Age 記錄的記錄.
2) Drop duplicates for same Id records, keeping the one that has a larger Age.
期望的輸出是:
Age Id Name Size
1 25 2 B 0.812662
3 31 4 D 0.302333
4 43 3 E 0.146870
6 44 6 G 0.186260
7 20 7 H 0.345561
8 51 1 I 0.813790
9 31 8 K 0.538817
推薦答案
使用GroupBy.transform 用于與 sort_values 和 drop_duplicates 用于刪除重復:
Use GroupBy.transform for aggregated values with same size as original DataFrame with sort_values and drop_duplicates for remove dupes:
df['Size'] = df.groupby('Id')['Size'].transform('sum')
df = df.sort_values('Age').drop_duplicates('Id', keep='last').sort_index()
print (df)
Id Name Size Age
1 2 B 0.812663 25
3 4 D 0.302333 31
4 3 E 0.146870 43
6 6 G 0.186260 44
7 7 H 0.345561 20
8 1 I 0.813789 51
9 8 K 0.538817 31
這篇關于Pandas - 有條件的刪除重復項的文章就介紹到這了，希望我們推薦的答案對大家有所幫助，也希望大家多多支持html5模板網！