python - pandas groupby 并进行分类排序以删除重复项

Question

我有一个如下所示的数据框

df = pd.DataFrame({
        "Name": ["Tim", "Tim", "Tim", "Tim", "Tim",'Jack','Jack','Jack'],
        "Status": ["A1", "E1", "B3", "D4", "C90","A1","C90","B3"]
})

我的状态变量的实际顺序是 B3 < A1 < D4 < C90 < E1。

所以最后一个值是 E1，第一个值是 B3。

我想做以下事情

a) groupby 名称

a) 根据上面显示的分类顺序对值进行排序

c) 仅保留最后一个值(根据 Name 列删除重复项后)

所以，我尝试了以下方法

df["Status"] = df["Status"].astype("category")
df["Status"] = df["Status"].cat.set_categories(["B3", "A1", "D4", "C90", "E90"], ordered=True)
df = df.sort_values(['Status'])
df_cleaned = df.drop_duplicates(['Status'],keep='last')

但这会导致输出不正确。

我希望我的输出如下所示(每个Name一行及其最新/最后一个Status值)

Name   Status
Tim     E1
Jack    C90

Answer 1

将现有类别添加到列表中并按 Name 列删除重复项进行排序:

df["Status"] = pd.Categorical(df["Status"], 
                              categories=["B3", "A1", "D4", "C90", "E90","E1"], 
                              ordered=True)

df_cleaned = (df.sort_values(['Status'])
                .drop_duplicates(['Name'],keep='last')

print (df_cleaned)
   Name Status
6  Jack    C90
1   Tim     E1

如果可能，某些值不在类别列表中，也会删除缺失值:

df_cleaned = (df.dropna(subset=['Status'])
                .sort_values(['Status'])
                .drop_duplicates(['Name'],keep='last')