Python pandas：根据某些列比较数据框的行并删除具有最低值的行答案

【问题标题】：Python pandas: Compare rows of dataframe based on some columns and drop row with lowest valuePython pandas：根据某些列比较数据框的行并删除具有最低值的行
【发布时间】：2015-06-26 14:45:14
【问题描述】：

我有一个数据框 df:

       first_seen              last_seen             uri
0   2015-05-11 23:08:46     2015-05-11 23:08:50 http://11i-ssaintandder.com/
1   2015-05-11 23:08:46     2015-05-11 23:08:46 http://11i-ssaintandder.com/
2   2015-05-02 18:27:10     2015-06-06 03:52:03 http://goo.gl/NMqjd1
3   2015-05-02 18:27:10     2015-06-08 08:44:53 http://goo.gl/NMqjd1

我想删除具有相同“first_seen”、“uri”的行并仅保留具有最新 last_seen 的行。

这是expected 数据集的示例：

       first_seen              last_seen             uri
0   2015-05-11 23:08:46     2015-05-11 23:08:50 http://11i-ssaintandder.com/
3   2015-05-02 18:27:10     2015-06-08 08:44:53 http://goo.gl/NMqjd1

有谁知道不写 for 循环的情况下谁来做？

【问题讨论】：

标签： python pandas compare dataframe rows

【解决方案1】：

调用drop_duplicates 并将您要考虑进行重复匹配的列作为subset 的参数传递并设置参数take_last=True：

In [295]:

df.drop_duplicates(subset=['first_seen','uri'], take_last=True)
Out[295]:
  index          first_seen            last_seen                           uri
1     1 2015-05-11 23:08:46  2015-05-11 23:08:46  http://11i-ssaintandder.com/
3     3 2015-05-02 18:27:10  2015-06-08 08:44:53          http://goo.gl/NMqjd1

编辑

为了获取最新日期，您需要先在 'first_seen' 和 'last_seen' 上对 df 进行排序：

n [317]:
df = df.sort(columns=['first_seen','last_seen'], ascending=[0,1])
df.drop_duplicates(subset=['first_seen','uri'], take_last=True)

Out[317]:
  index          first_seen            last_seen                           uri
0     0 2015-05-11 23:08:46  2015-05-11 23:08:50  http://11i-ssaintandder.com/
3     3 2015-05-02 18:27:10  2015-06-08 08:44:53          http://goo.gl/NMqjd1

【讨论】：

@firelynx 好点会更新，但您不需要按 first_seen 和 last_seen 排序吗？
我不明白你为什么会这样，但我不会太相信自己有这种头痛。
@firelynx 我认为它会更安全，因为与 first_seen 相比，last_seen 中的日期可能重叠，现在似乎满足了 OP 的要求