Панды - условные выпадающие дубликаты - PullRequest
Новая
       11

Панды - условные выпадающие дубликаты

0 голосов
/ 28 августа 2018

У меня есть датафрейм Pandas 0.19.2 для Python 3.6x, как показано ниже. Я хочу drop_duplicates() с тем же Id на основе условной логики. 

import pandas as pd
import numpy as np
np.random.seed(1)
df = pd.DataFrame({'Id':[1,2,3,4,3,2,6,7,1,8],
              'Name':['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'K'],
              'Size':np.random.rand(10),
              'Age':[19, 25, 22, 31, 43, 23, 44, 20, 51, 31]})

Каков наиболее эффективный (если возможно, векторизованный) способ достижения этого на основе логики, которую я опишу ниже?

1) Перед удалением дубликатов суммируйте Size дубликатов Id записей.

2) Удалите дубликаты для тех же Id записей, сохраняя ту, которая имеет больший Age.

Желаемый результат будет: 

   Age  Id Name      Size
1   25   2    B  0.812662
3   31   4    D  0.302333
4   43   3    E  0.146870
6   44   6    G  0.186260
7   20   7    H  0.345561
8   51   1    I  0.813790
9   31   8    K  0.538817

1 Ответ

0 голосов
/ 28 августа 2018

Используйте GroupBy.transform для агрегированных значений того же размера, что и исходный DataFrame с sort_values и drop_duplicates для удаления дубликатов: 

df['Size'] = df.groupby('Id')['Size'].transform('sum')
df = df.sort_values('Age').drop_duplicates('Id', keep='last').sort_index()
print (df)
   Id Name      Size  Age
1   2    B  0.812663   25
3   4    D  0.302333   31
4   3    E  0.146870   43
6   6    G  0.186260   44
7   7    H  0.345561   20
8   1    I  0.813789   51
9   8    K  0.538817   31
...