python Pandas : How to choose a certain option within duplicates

Question

我的数据 (df) 如下所示:

<表类="s-表"><头><日>日期 姓名计划<正文>2022约翰大专2022约翰工作2021凯尔大专2022詹姆斯工作2019达隆大专2019JQNaN2020梅尔大专2017莎玛工作2021约翰南2020约翰工作2021梅尔工作2018莎玛工作

我的最终结果需要一个计划(最近的一个)，每个名字。

目前我:删除所有 Plan NaN 值，然后按服务日期排序，并使用以下代码删除除最近日期以外的所有值:

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

这主要是可行的，但当两者在同一日期放在一起时，我需要“大学”优先于“工作”。在上面的数据中，这一行:| 2022 | 年约翰|工作|将是避免删除重复项的那个，而不是带有“学院”的那个。

一切正常，除了日期重复且有两个不同计划的这一小部分。

在非 pandas 环境中，我会这样想:

如果服务日期重复且一个 == 学院和其他 == 其他任何内容:然后保留大学的那个

我需要的最终结果:

<表类="s-表"><头><日>日期 姓名计划<正文>2022约翰大专2021凯尔大专2022詹姆斯工作2019达隆大专2019JQNaN2021梅尔工作2018莎玛工作

让我知道这是否有意义，谢谢!

Answer 1

您可以对“计划”使用自定义排序，其中您将“大学”优先于“工作”。这里利用订购Categorical ，但您也可以使用字典中的映射:

(df
 .assign(cat=pd.Categorical(df['Plan'], categories=['Work', 'College'],
                            ordered=True))
 .sort_values(by=['Date', 'cat'], na_position='first')
 .drop(columns='cat')
 .groupby('Name', as_index=False).last()
)

输出:

    Name  Date     Plan
0  Daron  2019  College
1     JQ  2019     None
2  James  2022     Work
3   John  2022  College
4    Kel  2021  College
5    Mel  2021     Work
6  Shama  2018     Work