python - Pandas:根据层次结构删除重复值

Question

我试图删除产品编号的所有重复项，根据预定义的层次结构仅保留最高记录，其值位于单独的列中。

层次结构如下所示:

A1
A2
A3
A4
A5 

整个 DataFrame 的片段 df可以在下面看到。

product_num   price_category  
101           A1              
101           A3               
202           A2              
202           A4              
302           A2               
302           A5
303           A5
303           A1
304           A4
304           A3

我希望实现的所需输出如下所示。

 product_num   price_category  
    101           A1              
    202           A2              
    302           A2               
    303           A1      
    304           A3

Answer 1

转换栏price_category至 ordered categoricals ，所以如果使用 DataFrame.sort_values 与 DataFrame.drop_duplicates 按层次结构删除重复项:

c = ['A1','A2','A3','A4','A5']
df['price_category'] = pd.Categorical(df['price_category'], ordered=True, categories=c)

df = df.sort_values(['product_num','price_category']).drop_duplicates('product_num')
print (df)
   product_num price_category
0          101             A1
2          202             A2
4          302             A2
7          303             A1
9          304             A3