我正在尝试从 X 列中删除连续的重复项，同时根据 Y 列将条目保持为最大值，但遗憾的是没有成功。 数据框如下：
| idx | X | Y |
|---|---|---|
| 0 | A | 3 |
| 1 | B | 2 |
| 2 | A | 7 |
| 3 | A | 10 |
| 4 | B | 1 |
| 5 | C | 4 |
| 6 | A | 3 |
| 7 | A | 3 |
我想要实现的是：
| idx | X | Y |
|---|---|---|
| 0 | A | 3 |
| 1 | B | 2 |
| 3 | A | 10 |
| 4 | B | 1 |
| 5 | C | 4 |
| 7 | A | 3 |
我发现的大多数解决方案只是删除重复的吹捧场，而不考虑任何重复模式。
请注意，重复项可能具有相同的值。
【问题讨论】：
您需要先申请itertools-style-groupby，然后再申请keep the rows where Y is maximal。
>>> df
idx X Y
0 0 A 3
1 1 B 2
2 2 A 7
3 3 A 10
4 4 B 1
5 5 C 4
6 6 A 3
7 7 A 5
>>> y_max = df.groupby(df['X'].ne(df['X'].shift()).cumsum())['Y'].transform('max')
>>> df[df['Y'] == y_max]
idx X Y
0 0 A 3
1 1 B 2
3 3 A 10
4 4 B 1
5 5 C 4
7 7 A 5
编辑：
最初的解决方案有一个错误，只是偶然产生了正确的 idx 列。
编辑 2：
如果你只想每组保留一行，你可以使用
>>> y_idxmax = df.groupby(df['X'].ne(df['X'].shift()).cumsum())['Y'].idxmax()
>>> df.loc[y_idxmax]
idx X Y
0 0 A 3
1 1 B 2
3 3 A 10
4 4 B 1
5 5 C 4
7 7 A 5
这个归功于Ch3steR。
【讨论】：
GroupBy.idxmax。也许像这样idx = df.groupby(itertools-style-grouping)['Y'].idxmax(); df.loc[idx, :] # or df.reindex(idx)
我无法立即找出已经给出的答案，所以我编写了一个简单的脚本来做同样的事情。它采用具有重复值的索引并通过一次比较两个来删除它们。
检查下面的代码-
import pandas as pd
data = {'X':['A', 'B', 'A', 'A', 'A', 'B', 'C', 'A', 'A'],
'Y': [3, 2, 12, 7, 10, 1, 4, 3, 5]}
data = pd.DataFrame(data)
mask = data['X'] == data['X'].shift()
to_check = data.loc[mask].index.tolist()
for i, _ in enumerate(to_check):
index = to_check[i]
if data.iloc[index]['Y'] > data.iloc[index - 1]['Y']:
data.drop(index - 1, axis=0, inplace=True)
data.reset_index(inplace=True, drop=True)
else:
data.drop(index, axis=0, inplace=True)
data.reset_index(inplace=True, drop=True)
to_check = [value - 1 for value in to_check]
print(data)
# OUTPUT
X Y
0 A 3
1 B 2
2 A 12
3 B 1
4 C 4
5 A 5
【讨论】：
创建一个将连续的列堆成一个组的列
df['temp']=(~(df['X']==df['X'].shift())|(df['X'].shift(-1)==df['X'])).cumsum()
groupby 连续的组并过滤掉 Y 的值等于每个组中的最大值。删除 temp 列
df[df.groupby('temp')['Y'].transform(lambda x:(x==x.max()))].drop(columns=['temp'])
一种更简洁的方法不是创建列，而是将连续组保存到一个变量中，然后按如下方式分组
s=(~(df['X']==df['X'].shift())|(df['X'].shift(-1)==df['X'])).cumsum()
print(df[df.groupby(s)['Y'].transform(lambda x:(x==x.max()))])
idx X Y
0 0 A 3
1 1 B 2
3 3 A 10
4 4 B 1
5 5 C 4
7 7 A 5
【讨论】：
或者我更喜欢只在 groupby 参数中指定组：
df.groupby(df['X'].ne(df['X'].shift()).cumsum(), as_index=False).max()
或者：
df.groupby(df['X'].ne(df['X'].shift()).cumsum()).max().reset_index(drop=True)
两个输出：
idx X Y
0 0 A 3
1 1 B 2
2 3 A 10
3 4 B 1
4 5 C 4
5 7 A 5
【讨论】：