使用一列对值进行分组，并使用熊猫数据框在另一列中返回具有最大值的值答案

【问题标题】：Group the values using one column and return the one having max value in other column using pandas dataframe使用一列对值进行分组，并使用熊猫数据框在另一列中返回具有最大值的值
【发布时间】：2018-03-29 01:56:28
【问题描述】：

以下是我的数据框示例：

revisionId  | itemId    | wikidataType
290397666   | 23        | Q5
307190482   | 23        | Q5
292002833   | 80        | Q5
292428272   | 80        | Q5
305018745   | 80        | Q5
305018964   | 80        | Q5
305019084   | 80        | Q5
301731639   | 181       | Q5
303692414   | 181       | Q5
306600439   | 192       | Q5
294596767   | 206       | Q5
294597048   | 206       | Q5

我想使用 itemId 列对元素进行分组，并为每个具有最大 revisionId 的项目返回一行。我已经根据 wikidataType、itemId 和 revisionId 对它们进行了排序。以下是我希望我的数据框的样子：

revisionId  | itemId    | wikidataType
307190482   | 23        | Q5
305019084   | 80        | Q5
303692414   | 181       | Q5
306600439   | 192       | Q5
294597048   | 206       | Q5

此外，这里 wikidataType 列仅包含一个值“Q5”。但在整个数据框中，有 100 种不同的类型。但这可能不是问题，因为我可以迭代这 100 种类型，因为我已经修复了它们的值。有人对此有想法吗？提前致谢。

【问题讨论】：

标签： python pandas sorting dataframe group-by

【解决方案1】：

需要sort_values + drop_duplicates 和选择列以检查dupes 并只保留最后一个值：

df = (df.sort_values(by=['wikidataType', 'itemId', 'revisionId']) 
        .drop_duplicates(['itemId','wikidataType'], keep='last'))
print (df)
    revisionId  itemId wikidataType
1    307190482      23           Q5
6    305019084      80           Q5
8    303692414     181           Q5
9    306600439     192           Q5
11   294597048     206           Q5

【讨论】：

如果我首先像 df.sort_values(by=['wikidataType', 'itemId', 'revisionId']) 那样排序，然后按照你所说的应用 group_by，第一种方法会起作用吗？它是一个巨大的数据框，因此无法正确验证。
没错，需要排序，我得测试一下。
我对其进行了测试，需要按您的评论排序，我根据它编辑答案。
再问一个问题，如果在完成上述所有处理后，我必须将每个不同的 wikidataType 限制为 100，该怎么办？
需要df = df[df.groupby('wikidataType')['wikidataType'].cumcount() < 100]