パンダ: 最大値の行を保持しながら重複を削除する方法
次のメソッドを使用すると、pandas DataFrame 内の重複を削除しながら、特定の列に最大値を含む行を保持できます。
方法 1: 列内の重複を削除し、行を最大値で維持する
df. sort_values (' var2 ', ascending= False ). drop_duplicates (' var1 '). sort_index ()
方法 2: 複数の列の重複を削除し、行を最大値で保持する
df. sort_values (' var3 ', ascending= False ). drop_duplicates ([' var1 ', ' var2 ']). sort_index ()
次の例は、各メソッドを実際に使用する方法を示しています。
例 1: 列内の重複を削除し、行を Max で保持する
さまざまなチームのバスケットボール選手が獲得したポイントに関する情報を含む次のパンダ データフレームがあるとします。
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
次の構文を使用して、重複したチーム名を含む行を削除しますが、ポイントの最大値を含む行は保持します。
#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
重複したチーム名を含む各行は削除されましたが、最大ポイント値を含む行は各チームに保持されました。
例 2: 複数の列の重複を削除し、最大値で行を保持する
次のパンダ データフレームがあるとします。
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
次の構文を使用して、重複するチーム名とポジション名を含む行を削除できますが、ポイントの最大値を含む行は保持します。
#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
重複するチーム名とポジション名を含む行はすべて削除されましたが、最大ポイント値を含む行はチームとポジションの組み合わせごとに保持されました。
追加リソース
次のチュートリアルでは、パンダで他の一般的な操作を実行する方法を説明します。