python-3.x - 在 Pandas 数据框中分组并删除重复项

Question

我有一个如下的 Pandas 数据框。我想根据所有三列进行分组，并保留 Col1 最大值的组。

import pandas as pd
df = pd.DataFrame({'col1':['A', 'A', 'A', 'A', 'B', 'B'], 'col2':['1', '1', '1', '1', '2', '3'], 'col3':['5', '5', '2', '2', '2', '3']})
df


  col1 col2 col3
0   A   1    5
1   A   1    5
2   A   1    2
3   A   1    2
4   B   2    2
5   B   3    3

我的预期输出

  col1 col2 col3
0   A   1    5
1   A   1    5
4   B   2    2
5   B   3    3

我尝试了下面的代码，但它返回了每个组的最后一行，而不是我想按 col3 排序并使用 max col3 保留组

df.drop_duplicates(keep='last', subset=['col1','col2','col3'])


  col1  col2 col3
1   A   1     5
3   A   1     2
4   B   2     2
5   B   3     3

例如:这里我想删除第一个组，因为 2 < 5，所以我想保留 col3 为 5 的组

df.sort_values(by=['col1', 'col2', 'col3'], ascending=False)
a_group = df.groupby(['col1', 'col2', 'col3'])
for name, group in a_group:
  group = group.reset_index(drop=True)
  print(group)

  col1 col2 col3
0    A    1    2
1    A    1    2
  col1 col2 col3
0    A    1    5
1    A    1    5
  col1 col2 col3
0    B    2    2
  col1 col2 col3
0    B    3    3

Answer 1

您不能对所有列进行分组，因为您希望为其保留最大值的 col 具有不同的值。相反，不要将该列包含在组中并考虑其他列:

col_to_max = 'col3'
i = df.columns ^ [col_to_max]
out = df[df[col_to_max] == df.groupby(list(i))[col_to_max].transform('max')]

---

print(out)

  col1 col2 col3
0    A    1    5
1    A    1    5
4    B    2    2
5    B    3    3