根据列子集删除重复项，保留列 E 中具有最高值的行，如果 E 中的值相等，则列 B 中具有最高值的行

Posted 2023-02-18

【中文标题】根据列子集删除重复项，保留列 E 中具有最高值的行，如果 E 中的值相等，则列 B 中具有最高值的行

【英文标题】：Drop duplicates based on subset of columns keeping the rows with highest value in col E & if values equal in E the rows with highest value in col B

【发布时间】：2021-08-28 10:50:20

【问题描述】：

假设我有以下数据框：

A B C D E
3 2 1 4 5
3 2 1 2 3
4 5 6 7 8
4 5 6 9 8
9 3 8 5 4

我想根据 A、B 和 C 列删除重复项，保留 E 列最高的行。如果 E 列中的值相同，则保留 D 列最高的行。

所以上面的数据框会变成：

A B C D E
3 2 1 4 5
4 5 6 9 8
9 3 8 5 4

我在那里看到了答案的开头：python pandas: Remove duplicates by columns A, keeping the row with the highest value in column B 但不幸的是，如果 E 列中的值相同，那么我不知道如何处理，然后保持 D 列中的最高值：/

（我在一个相当大的数据集上运行此代码）

任何帮助表示赞赏！

【问题讨论】：

如果速度够快，可以先对帧进行排序：df.sort_values(["E", "D"], ascending=[False, False]).drop_duplicates(subset=list("ABC"))。但是像往常一样可能会有更好的解决方案。

谢谢，它奏效了（而且非常快）

哦，太好了！你介意我把它作为答案发布吗？

没问题，去吧:)

【参考方案1】：

您可以先根据E, D 标准以降序对帧进行排序，然后删除重复项：

df.sort_values(["E", "D"], ascending=[False, False]).drop_duplicates(subset=list("ABC"))