Pandas: so entfernen sie duplikate und behalten dabei die zeile mit dem maximalwert bei
Mit den folgenden Methoden können Sie Duplikate in einem Pandas-DataFrame entfernen, aber die Zeile behalten, die den Maximalwert in einer bestimmten Spalte enthält:
Methode 1: Duplikate in einer Spalte entfernen und Zeile mit max
df. sort_values (' var2 ', ascending= False ). drop_duplicates (' var1 '). sort_index ()
Methode 2: Duplikate in mehreren Spalten entfernen und Zeile mit max. beibehalten
df. sort_values (' var3 ', ascending= False ). drop_duplicates ([' var1 ', ' var2 ']). sort_index ()
Die folgenden Beispiele zeigen, wie die einzelnen Methoden in der Praxis angewendet werden.
Beispiel 1: Duplikate in einer Spalte entfernen und die Zeile mit Max beibehalten
Angenommen, wir haben den folgenden Pandas-DataFrame, der Informationen über die von Basketballspielern verschiedener Teams erzielten Punkte enthält:
import pandas as pd #createDataFrame df = pd. DataFrame ({' team ': ['A', 'A', 'A', 'B', 'B', 'B', 'C', 'C', 'C'], ' points ': [20, 24, 28, 30, 14, 19, 29, 40, 22]}) #view DataFrame print (df) team points 0 to 20 1 to 24 2 to 28 3 B 30 4 B 14 5 B 19 6 C 29 7 C 40 8 C 22
Wir können die folgende Syntax verwenden, um Zeilen mit doppelten Teamnamen zu entfernen, aber Zeilen mit Höchstwerten für Punkte beizubehalten:
#drop duplicate teams but keeps row with max points
df_new = df. sort_values (' points ', ascending= False ). drop_duplicates (' team '). sort_index ()
#view DataFrame
print (df_new)
team points
2 to 28
3 B 30
7 C 40
Jede Zeile mit einem doppelten Teamnamen wurde entfernt, aber die Zeilen mit dem maximalen Punktwert wurden für jedes Team beibehalten.
Beispiel 2: Duplikate in mehreren Spalten entfernen und Zeile mit Max beibehalten
Angenommen, wir haben den folgenden Pandas-DataFrame:
import pandas as pd #createDataFrame df = pd. DataFrame ({' team ': ['A', 'A', 'A', 'B', 'B', 'B', 'C', 'C', 'C'], ' position ': ['G', 'G', 'F', 'G', 'F', 'F', 'G', 'G', 'F'], ' points ': [20, 24, 28, 30, 14, 19, 29, 40, 22]}) #view DataFrame print (df) team position points 0 AG 20 1 GA 24 2AF 28 3 BG 30 4 BF 14 5 BF 19 6 GC 29 7 GC 40 8 CF 22
Wir können die folgende Syntax verwenden, um Zeilen mit doppelten Team- und Positionsnamen zu entfernen, aber Zeilen mit Höchstwerten für Punkte beizubehalten:
#drop rows with duplicate team and positions but keeps row with max points
df_new = df. sort_values (' points ', ascending= False ). drop_duplicates ([' team ',' position ']). sort_index ()
#view DataFrame
print (df_new)
team position points
1 GA 24
2AF 28
3 BG 30
5 BF 19
7 GC 40
8 CF 22
Jede Zeile mit einem doppelten Team- und Positionsnamen wurde entfernt, aber die Zeilen mit dem maximalen Punktwert wurden für jede Team- und Positionskombination beibehalten.
Zusätzliche Ressourcen
In den folgenden Tutorials wird erläutert, wie andere gängige Vorgänge in Pandas ausgeführt werden:
So entfernen Sie doppelte Zeilen in Pandas
So entfernen Sie doppelte Spalten in Pandas
So zählen Sie Duplikate in Pandas