在不同列的重复项中保留具有最高值的行答案

【问题标题】：keep row with highest value amongst duplicates on different columns在不同列的重复项中保留具有最高值的行
【发布时间】：2021-07-13 08:51:00
【问题描述】：

我有一个像这样的 pandas 数据框，其中我可以有相同的 long 和 lat 组合的行：

初始df：

   lon  lat         name  value protection      a      b         c  score
0   20   10       canada    563        NaN    cat    dog  elephant   20.0
1   30   10       canada     65        NaN   lion  tiger       cat   30.0
2   40   20       canada    893        NaN    dog    NaN       NaN   20.0
3   40   20          usa      4        NaN  horse  horse      lion   40.0
4   45   15          usa   8593        NaN    NaN   lion       cat   10.0
5   20   10  protection1    100     medium    NaN    NaN       NaN    NaN
6   40   20  protection1     20       high    NaN    NaN       NaN    NaN
7   50   30  protection1    500        low    NaN    NaN       NaN    NaN

但我想要的是：

想要的输出：

   lon  lat protection      a      b         c  score
0   20   10     medium    cat    dog  elephant   20.0
1   30   10        NaN   lion  tiger       cat   30.0
2   40   20       high  horse  horse      lion   40.0
3   45   15        NaN    NaN   lion       cat   10.0
4   50   30        low    NaN    NaN       NaN    NaN

输出数据框应包含具有 long 和 lat 列的唯一组合的行，其中仅保留具有最高 score 的行，但如果 long 和 lat 有重复项并且在protection 列这些应该合二为一

【问题讨论】：

试试df.drop_duplicates(subset=['lon'],keep='last')
我试过df.drop_duplicates(subset=['lon', 'lat'],keep='last')，但它去掉了太多行
请将您的数据框作为文本发布，以便我们重现您的数据框或在您的问题中添加df.head(10).to_dict() 的输出
我用 dfs 作为文本编辑了我的帖子

标签： pandas duplicates rows

【解决方案1】：

试试：

df = df.sort_values(by="score", ascending=False)
g = df.groupby(["lon", "lat"])
df_out = (
    g.first()
    .assign(
        protection=g.agg(
            {"protection": lambda x: ",".join(x.dropna())}
        ).replace("", np.nan)
    )
    .reset_index()
)

print(df_out)

打印：

   lon  lat         name  value protection      a      b         c  score
0   20   10       canada    563     medium    cat    dog  elephant   20.0
1   30   10       canada     65        NaN   lion  tiger       cat   30.0
2   40   20          usa      4       high  horse  horse      lion   40.0
3   45   15          usa   8593        NaN    NaN   lion       cat   10.0
4   50   30  protection1    500        low    NaN    NaN       NaN    NaN

【讨论】：

这行得通！非常感谢您的帮助！

【解决方案2】：

一种方法是创建一个 func，并将您的逻辑广告应用于 groupby：

def func(df1):
    df1 = df1.fillna(method='bfill')
    df1 = df1.fillna(method='ffill')
    return df1.sort_values('score', ascending=False)[:1]

result = df.groupby(['lon', 'lat']).apply(func)

添加重置索引和选择以获得准确的发布输出：

result.reset_index(drop=True)[['lon', 'lat', 'protection', 'a', 'b', 'c', 'score']]

	lon	lat	protection	a	b	c	score
0	20	10	medium	cat	dog	elephant	20
1	30	10	nan	lion	tiger	cat	30
2	40	20	high	horse	horse	lion	40
3	45	15	nan	nan	lion	cat	10
4	50	30	low	nan	nan	nan	nan

【讨论】：