保留另一列中最高值的行，删除重复行

Question

a = [['John', 'Mary', 'John'], [10,22,50]]
df1 = pd.DataFrame(a, columns=['Name', 'Count'])

给定一个像这样的数据框，我想要比较所有相似的“Name”字符串值与“Count”值，以确定最高值。我不确定如何在Python的数据框中做到这一点。例如，在上面的情况下，答案将是： Mary 22 和 John 50。已经删除了较低的John 10（我只想看到基于“Name”相同值的“Count”的最高值）。在SQL中，它会像一个选择案例查询一样（在其中我选择Name == Name＆Count> Count的情况来递归地确定最高数字）。或者为每个名称使用For循环，但据我所知，由于DataFrame对象的性质，循环在DataFrame中是一个不好的想法。有没有办法在Python的数据框中做到这一点？我可以创建一个新的数据框，其中包含每个变量（只有John一个，然后获取最高值（df.value()[:1]或类似的值）。但由于我有许多数百个唯一的条目，因此这似乎是一个可怕的解决方案。 :D

- Kafka

---

你应该修正你的样例输入，不过我猜你想要 df.groupby('Name').Count.max()？ - miradulo

让我试着修复它，Count.max 在这里无法帮助我... 我会再试一次。 - Kafka

Answer 1

要么使用 sort_values 和 drop_duplicates，

df1.sort_values('Count').drop_duplicates('Name', keep='last')

   Name  Count
1  Mary     22
2  John     50

或者，就像miradulo所说的那样，使用groupby和max。

df1.groupby('Name')['Count'].max().reset_index()

   Name  Count
0  John     50
1  Mary     22

- cs95

---

完美，我已经对较大的数据集进行了测试，看起来#1是有效的。 - Kafka

@Kafka 只是好奇，你为什么认为groupby和Count.max无法帮助？ - cs95

可能是我提供的样本有误。在我的数据集中，我有7列，但大部分值对于这个任务来说都是无关紧要的，所以我把重点放在了需要查看的数据类型上。当我运行Count.max时，在列计数上收到一个断言错误。然而，经过检查我的代码后，我发现我在列值上犯了一个愚蠢的错误。在清理后，Count.max正常工作了。 - Kafka