python - 按组内的字符串长度过滤 pandas DataFrame

Question

假设我有以下数据

import pandas as pd
df = pd.DataFrame(data=[[1, 'a'], [1, 'aaa'], [1, 'aa'], 
                        [2, 'bb'], [2, 'bbb'], 
                        [3, 'cc']], 
                  columns=['key', 'text'])

   key text
0    1    a
1    1  aaa
2    1   aa
3    2   bb
4    2  bbb
5    3   cc

我想做的是按 key 分组变量并按 text 的长度对每组内的数据进行排序最后得到一个 Series用于重新索引数据帧的索引值。我以为我可以做这样的事情:

df.groupby('key').text.str.len().sort_values(ascending=False).index

但是它说我需要使用apply ，所以我尝试了这个:

df.groupby('key').apply(lambda x: x.text.str.len().sort_values(ascending=False).index, axis=1)

但这告诉我 lambda得到一个意想不到的关键词:axis .

我对 pandas 比较陌生，所以我不确定该怎么做。此外，我的目标是简单地删除重复数据，以便每个 key ，我保留最长值为text的值.预期的输出是:

   key text
1    1  aaa
4    2  bbb
5    3   cc

如果有比我正在尝试的更简单的方法来做到这一点，我也愿意接受。

Answer 1

不需要中间步骤。您可以获得一个字符串长度如下的系列:

df['text'].str.len()

现在 juut groupby 键，并使用 idxmax() 返回字符串长度最大的索引值

In [33]: df.groupby('key').agg(lambda x: x.loc[x.str.len().idxmax()])
Out[33]:
    text
key
1    aaa
2    bbb
3     cc