Python Pandas 子集列 x 值基于列 y 中的唯一值

Posted 2023-02-23

【中文标题】Python Pandas 子集列 x 值基于列 y 中的唯一值

【英文标题】：Python Pandas subset column x values based on unique values in column y

【发布时间】：2017-04-02 11:44:03

【问题描述】：

我有一个数据框（“df”）相当于：

   Cat   Data
    x    0.112
    x    0.112
    y    0.223
    y    0.223
    z    0.112
    z    0.112

换句话说，我有一个类别列和一个数据列，并且数据值在类别列的值内没有变化，但它们可能会在不同类别之间重复（即类别'x'和'z中的值' 是相同的——0.112）。这意味着我需要从每个类别中选择一个数据点，而不仅仅是对“数据”的唯一值进行子集化。

我的做法是这样的：

    aLst = []
    bLst = []
    for i in df.index:
        if df.loc[i,'Cat'] not in aLst:
            aLst += [df.loc[i,'Cat']]
            bLst += [i]

    new_series = pd.Series(df.loc[bLst,'Data'])

然后我可以用它做任何我想做的事。但问题是这似乎是一种笨拙的、非pythonic的做事方式。有什么建议？

【参考方案1】：

我觉得你需要drop_duplicates:

#by column Cat
print (df.drop_duplicates(['Cat']))
  Cat   Data
0   x  0.112
2   y  0.223
4   z  0.112

或者：

#by columns Cat and Value
print (df.drop_duplicates(['Cat','Data']))
  Cat   Data
0   x  0.112
2   y  0.223
4   z  0.112

【讨论】：

最有用的。谢谢。虽然我实际上只想要数据，所以我认为我最终想要使用的是：new_frame = df.loc[df.drop_duplicates('Cat').index,'Data']

超级，另一种解决方案是print (x.drop_duplicates('Cat').drop('Cat', axis=1).squeeze())或print (x.drop_duplicates('Cat').drop('Cat', axis=1)['Data'])