删除重复项，将具有最高值的行保留在另一列中答案

【问题标题】：Drop duplicates keeping the row with the highest value in another column删除重复项，将具有最高值的行保留在另一列中
【发布时间】：2018-12-29 18:37:08
【问题描述】：

a = [['John', 'Mary', 'John'], [10,22,50]])
df1 = pd.DataFrame(a, columns=['Name', 'Count'])

给定这样的数据框，我想将“Name”的所有相似字符串值与“Count”值进行比较以确定最高值。我不确定如何在 Python 的数据框中执行此操作。

例如：在上述情况下，答案是：

较低的值 John 10 已被删除（我只想根据“Name”的相同值查看“Count”的最大值）。

在 SQL 中，它类似于 Select Case 查询（其中我选择 Case where Name == Name & Count > 递归地计数以确定最大数字。或者每个名称的 For 循环，但据我了解循环由于对象的性质，DataFrames 不是一个好主意。

有没有办法在 Python 中使用 DF 来做到这一点？我可以为每个变量创建一个新的数据框（一个只有 John 的数据框，然后获得最高值（df.value()[:1] 或类似的）。但由于我有数百个独特的条目，这似乎是一个糟糕的解决方案。 :D

【问题讨论】：

【解决方案1】：

sort_values 和 drop_duplicates，

df1.sort_values('Count').drop_duplicates('Name', keep='last')

   Name  Count
1  Mary     22
2  John     50

或者，就像 miradulo 所说，groupby 和 max。

df1.groupby('Name')['Count'].max().reset_index()

   Name  Count
0  John     50
1  Mary     22

【讨论】：

完美，我在更大的数据集上对此进行了测试，看起来 #1 有效。
@Kafka 只是好奇，为什么你认为 groupby 和 Count.max 没有帮助？
我提供的样品可能是我的错。在我的数据集中，我有 7 列，但大部分值与这项工作无关，因此我专注于需要查看的数据类型。当我运行 Count.max 时，我收到关于列计数的 AssertionError。尽管我在列值中犯了一个愚蠢的错误，但在查看了自己的代码之后。清洁后 Count.max 工作正常。