python - 删除重复项，但保留具有最高值的行，包括并列

Question

我想删除 col1 的重复值，只保存 col2 中具有最高值的行。示例 df:

df1 = pd.DataFrame({'col1': ['a', 'a', 'b', 'b', 'c'],
                   'col2': [5, 5, 10, 15, 20]})

我知道 df1.drop_duplicates 会去除重复值，但我如何确保保存的是最高值(如果存在与最高值并列的值，则为多个值)？

期望的输出:

dfoutput = pd.DataFrame({'col1': ['a', 'a', 'b', 'c'],
                       'col2': [5, 5, 15, 20]})

Answer 1

您可以使用 rank Pandas 的功能:

为组的每一行分配等级。如果值相同，则行将具有相同的排名。如下所示:

In [126]: df1['rnk'] = df1.groupby('col1')['col2'].rank()
In [127]: df1
Out[127]: 
  col1  col2  rnk
0    a     5  1.5
1    a     5  1.5
2    b    10  1.0
3    b    15  2.0
4    c    20  1.0

然后使用query仅过滤排名低于 2.0 的方法:

In [129]: df1.query('rnk < 2.0').drop('rnk',1)
Out[129]: 
  col1  col2
0    a     5
1    a     5
2    b    10
4    c    20

可以结合以上两个命令来获得单行解决方案:

In [130]: df1[df1.groupby('col1')['col2'].rank() < 2]
Out[130]: 
  col1  col2
0    a     5
1    a     5
2    b    10
4    c    20