Python Pandas 的独特价值答案

【问题标题】：Python Pandas unique valuesPython Pandas 的独特价值
【发布时间】：2017-07-29 21:15:57
【问题描述】：

df = pd.DataFrame({"ID":['A','B','C','D','E','F'],
               "IPaddress":['12.345.678.01','12.345.678.02','12.345.678.01','12.345.678.18','12.345.678.02','12.345.678.01'], 
               "score":[8,9,5,10,3,7]})

我正在使用 Python 和 Pandas 库。对于那些具有重复 IP 地址的行，我只想选择得分最高的一行（得分从 0-10），然后删除所有重复项。

我很难将此逻辑转换为 Python 函数。

【问题讨论】：

df.loc[df.groupby('IPaddress')['score'].idxmax()]
Johnny，看起来您可能是 Stack 的新手，并且想知道为什么您可能会因为看似“正常”的问题而被否决。投反对票的原因是您没有发布您尝试过的内容，并且某些用户可能会认为我们正在“做你的功课”。事实上，这个问题和论坛上的其他人非常相似。将来，发布您尝试过的代码。阅读documentation 以获得更好的理解。我们祝你一切顺利，我希望你继续回来！
非常好。下次我会确保在帖子中包含我尝试过的内容。谢谢马特

标签： python-3.x pandas

【解决方案1】：

第一步：使用 Pandas 的 groupby 功能，将 df 拆分为 IPaddress 组。

df.groupby('IPaddress')

这样的结果将创建一个 groupby 对象。一旦你检查了这个对象的类型，它将如下：pandas.core.groupby.groupby.DataFrameGroupBy

第 2 步：使用从第 1 步创建的 Pandas groupby 对象，使用 .idxmax() 覆盖分数，将返回每个 IP 地址的最大分数的 Pandas 系列

df.groupby('IPaddress').score.idxmax()

（可选）第 3 步：如果要将上述系列转换为数据框，可以执行以下操作：

df.loc[df.groupby('IPaddress').score.idxmax(),['IPaddress','score']]

在这里，您将选择所有得分最高的行，并显示 IP 地址、得分列。

有用的参考： 1.https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.loc.html

【讨论】：

虽然这段代码 sn-p 可以解决问题，including an explanation 确实有助于提高您的帖子质量。请记住，您是在为将来的读者回答问题，而这些人可能不知道您提出代码建议的原因。