python pandas：列Aの重複を削除し、列Bの最大値を持つ行を維持します

列Aに繰り返し値があるデータフレームがあります。重複を削除して、列Bの値が最も高い行を維持します。

したがって、この：

A B
1 10
1 20
2 30
2 40
3 10

これに変わるはずです：

A B
1 20
2 40
3 10

Wesは、重複を削除するためのいくつかの優れた機能を追加しました：http : //wesmckinney.com/blog/?p=340。ただし、AFAICT、完全に重複するように設計されているため、保持する行を選択する基準についての言及はありません。

おそらくこれを行う簡単な方法があると思います-重複を削除する前にデータフレームをソートするのと同じくらい簡単かもしれません-しかし、それを理解するのに十分なgroupbyの内部ロジックを知りません。助言がありますか？

これが最後です。ただし、最大ではありません：

In [10]: df.drop_duplicates(subset='A', keep="last")
Out[10]: 
   A   B
1  1  20
3  2  40
4  3  10

次のようなこともできます：

In [12]: df.groupby('A', group_keys=False).apply(lambda x: x.loc[x.B.idxmax()])
Out[12]: 
   A   B
A       
1  1  20
2  2  40
3  3  10

一番の答えは、あまりにも多くの作業を行っており、より大きなデータセットの場合は非常に遅いようです。applyは遅く、可能であれば回避する必要があります。ixは非推奨であり、同様に回避する必要があります。

df.sort_values('B', ascending=False).drop_duplicates('A').sort_index()

   A   B
1  1  20
3  2  40
4  3  10

または、他のすべての列でグループ化し、必要な列の最大値を取得します。 df.groupby('A', as_index=False).max()

最も簡単なソリューション：

1つの列に基づいて重複を削除するには：

df = df.drop_duplicates('column_name', keep='last')

複数の列に基づいて重複を削除するには：

df = df.drop_duplicates(['col_name1','col_name2','col_name3'], keep='last')

これを試して：

df.groupby(['A']).max()

最初に列Bの降順でデータフレームを並べ替え、次に列Aの複製をドロップして最初に保持します

df = df.sort_values(by='B', ascending=False)
df = df.drop_duplicates(subset='A', keep="first")

groupbyなし

あなたもこれを試すことができます

df.drop_duplicates(subset='A', keep='last')

これをhttps://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.drop_duplicates.htmlから参照しました

あなたの場合、あなたは本当にgroupbyを必要としないと思います。私はB列を降順で並べ替え、列Aに重複をドロップします。必要に応じて、次のような新しいきれいなインデックスを作成することもできます。

df.sort_values('B', ascending=False).drop_duplicates('A').sort_index().reset_index(drop=True)

これは、共有する価値がある解決する必要があったバリエーションです。の各一意の文字列についてcolumnA、で最も一般的な関連文字列を見つけたかったのcolumnBです。

df.groupby('columnA').agg({'columnB': lambda x: x.mode().any()}).reset_index()

.any()モードにタイがある場合、ピックは1つを選択します。（.any()一連のints でを使用すると、いずれかを選択するのではなくブール値が返されることに注意してください。）

元の質問では、対応するアプローチにより

df.groupby('columnA').columnB.agg('max').reset_index()。

すでに投稿された質問に答えるとき、コードを読みやすくするためにmax（）関数が適用される列名を追加することで、小さな変更を加えました。

df.groupby('A', as_index=False)['B'].max()

これを行う最も簡単な方法：

# First you need to sort this DF as Column A as ascending and column B as descending 
# Then you can drop the duplicate values in A column 
# Optional - you can reset the index and get the nice data frame again
# I'm going to show you all in one step. 

d = {'A': [1,1,2,3,1,2,3,1], 'B': [30, 40,50,42,38,30,25,32]}
df = pd.DataFrame(data=d)
df

    A   B
0   1   30
1   1   40
2   2   50
3   3   42
4   1   38
5   2   30
6   3   25
7   1   32


df = df.sort_values(['A','B'], ascending =[True,False]).drop_duplicates(['A']).reset_index(drop=True)

df

    A   B
0   1   40
1   2   50
2   3   42

これも機能します：

a=pd.DataFrame({'A':a.groupby('A')['B'].max().index,'B':a.groupby('A')       ['B'].max().values})

私はあなたに完全な答えを与えるつもりはありませんが（とにかくファイル部分の解析と書き込みを探しているとは思わない）、重要なヒントで十分です：pythonのset()関数を使用してから、sorted()または.sort()と組み合わせて.reverse()：

>>> a=sorted(set([10,60,30,10,50,20,60,50,60,10,30]))
>>> a
[10, 20, 30, 50, 60]
>>> a.reverse()
>>> a
[60, 50, 30, 20, 10]