python - 如何在数据框中删除重复项并首先保留两个异常(exception)？

Question

我有一个看起来像这样的数据框。

import pandas as pd
  
# intialise data of lists.
data = {'ID':[101762, 101762, 102842, 102842, 106755, 106755, 108615, 108615, 113402, 113402, 114711, 114711],
        'Year':[2019, 2020, 2019, 2020, 2019, 2020, 2019, 2020, 2019, 2020, 2019, 2020],
        'Amount':[2091.06, 3330.00, 846.19, 846.19, 16185.60, 800, 281496.00, 1363730.00, 19815.00, 9585.00, 64332.70, 5400.00]}
  
# Create DataFrame
df = pd.DataFrame(data)
  
# Print the output.
df

这是一张图片，其中包含我正在尝试做的事情的一些逻辑。

需要删除 Amount = 0 或 Year = 2012 的任何内容

df = df[df['Amount'] != 0]
df = df[df['Year'] != '2021']

好的，到此为止。现在，如果 ID 和年份出现不止一次，我需要保留最大金额。这是我正在运行的代码。

df = df.sort_values(['ID','Year']).drop_duplicates(['ID','Year'], keep='first')

在这一点上，一切都很好，但我被困在了下一步中。我怎样才能做到以下几点？

1. 如果 ID 重复且 2020 年金额 > 2019 年金额，将这两个金额相加
2. 如果 ID 重复且 2020 Amount = 2019 Amount，则只保留 2020
3. 如果ID重复且2019 Amount > 2020 Amount，只保留2019

我怎样才能实现这三个目标？

Answer 1

sort_values 的一些逻辑

out = df.sort_values('Year',ascending=False).drop_duplicates(['ID','Amount']).sort_values('Amount').groupby('ID').agg({'Year':'last','Amount':'sum'}).reset_index()
       ID  Year      Amount
0  101762  2020     5421.06
1  102842  2020      846.19
2  106755  2019    16985.60
3  108615  2020  1645226.00
4  113402  2019    29400.00
5  114711  2019    69732.70