Pandas：如何删除重复行，但保留具有最大值的所有行

Question

如何删除重复行，但保留所有具有最大值的行。例如，我有一个包含4行的数据框：

data = [{'a': 1, 'b': 2, 'c': 3},{'a': 7, 'b': 10, 'c': 2}, {'a': 7, 'b': 2, 'c': 20}, {'a': 7, 'b': 2, 'c': 20}]
df = pd.DataFrame(data)

从这个数据框中，我想要一个像这样的数据框（3行，按'a'分组，保留所有具有最大值'c'的行）：

data = [{'a': 1, 'b': 2, 'c': 3}, {'a': 7, 'b': 2, 'c': 20}, {'a': 7, 'b': 2, 'c': 20}]
df = pd.DataFrame(data)

- Tuan Anh

Answer 1

您可以使用 GroupBy + transform 带布尔索引的方法：

res = df[df['c'] == df.groupby('a')['c'].transform('max')]

print(res)

   a  b   c
0  1  2   3
1  7  2  20
2  7  2  20

- jpp

Answer 2

您可以使用 groupby 和 transform 计算每个组的最大值 c，然后过滤出等于最大值的记录，示例如下：

df['max_c'] = df.groupby('a')['c'].transform('max')
df[df['c']==df['max_c']].drop(['max_c'], axis=1)

- Franco Piccolo

---

谢谢。我用df = df.loc[df ['c'] == df ['max_c']]替换了第二个命令，然后就可以运行了。 - Tuan Anh

欢迎！如果答案解决了问题，请接受它。 - Franco Piccolo