Pandas分组，并进行分类排序，以删除重复项

nwlls2ji 于 2023-01-04 发布在其他

关注(0)|答案(2)|浏览(99)

我有一个 Dataframe 如下

df = pd.DataFrame({
        "Name": ["Tim", "Tim", "Tim", "Tim", "Tim",'Jack','Jack','Jack'],
        "Status": ["A1", "E1", "B3", "D4", "C90","A1","C90","B3"]
})

我的状态变量的实际顺序是B3〈A1〈D4〈C90〈E1。
因此，最后一个值为E1，第一个值为B3。
我想做以下几点
a）按Name分组
a）根据上述分类排序对值进行排序
c）仅保留最后一个值（基于Name列删除重复值后）
所以，我尝试了以下方法

df["Status"] = df["Status"].astype("category")
df["Status"] = df["Status"].cat.set_categories(["B3", "A1", "D4", "C90", "E90"], ordered=True)
df = df.sort_values(['Status'])
df_cleaned = df.drop_duplicates(['Status'],keep='last')

但这会导致不正确的输出。
我希望输出如下所示（每个Name及其最新/最后一个Status值占一行）

Name   Status
Tim     E1
Jack    C90

pandas

来源：https://stackoverflow.com/questions/74980748/pandas-groupby-and-do-categorical-ordering-to-drop-duplicates

2条答案

按热度按时间

omhiaaxx1#

将现有类别添加到列表，并使用“按Name列删除重复项”进行排序：

df["Status"] = pd.Categorical(df["Status"], 
                              categories=["B3", "A1", "D4", "C90", "E90","E1"], 
                              ordered=True)

df_cleaned = (df.sort_values(['Status'])
                .drop_duplicates(['Name'],keep='last')

print (df_cleaned)
   Name Status
6  Jack    C90
1   Tim     E1

如果可能，某些值不在类别列表中，也删除缺失值：

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

赞(0）回复(0）举报 2023-01-04

qgzx9mmu2#

您可以使用encode_categorical从pyjanitor抽象类别列的创建，并使用drop_duplicates或groupby：

# pip install pyjanitor
import pandas as pd
import janitor
(df
.encode_categorical(Status=['B3', 'A1', 'D4','C90','E1'])
.sort_values(['Name','Status'])
# you can skip the lines below with drop_duplicates
# .drop_duplicates(subset='Name', keep='last')
.groupby('Name', as_index=False)
.Status
.last()
) 
   Name Status
0  Jack    C90
1   Tim     E1

赞(0）回复(0）举报 2023-01-04

我来回答

Pandas分组，并进行分类排序，以删除重复项

2条答案

相关问题

热门标签

最新问答