从Pandas数据框中删除副本并保留源

Question

假设我有以下数据帧：

 A | B
 1 | Ms
 1 | PhD
 2 | Ms
 2 | Bs

我要删除与A列相关的重复行，并保留B列中值为“PhD”的行作为原始行，如果找不到“PhD”，则保留B列中值为“Bs”的行

我想用

 df.drop_duplicates('A') 

有条件的

Answer 1

>>> df
    A   B
0   1   Ms
1   1   Ms
2   1   Ms
3   1   Ms
4   1   PhD
5   2   Ms
6   2   Ms
7   2   Bs
8   2   PhD

使用自定义函数对数据帧排序：

def sort_df(df, column_idx, key):
    '''Takes a dataframe, a column index and a custom function for sorting, 
    returns a dataframe sorted by that column using that function'''

    col = df.ix[:,column_idx]
    df = df.ix[[i[1] for i in sorted(zip(col,range(len(col))), key=key)]]
    return df

我们的分类功能：

cmp = lambda x:2 if 'PhD' in x else 1 if 'Bs' in x else 0

行动中：

sort_df(df,'B',cmp).drop_duplicates('A', take_last=True)

    A   B
4   1   PhD
8   2   PhD

Answer 2

假设给定一个值时B值的唯一性，并且每个A值在B列中都有一行Bs：

df2 = df[df['B']=="PhD"]

将为您提供一个包含所需PhD行的数据帧。

然后从df中删除所有博士和硕士：

df = df[df['B']=="Bs"]

然后连接df和df2：

df3 = concat([df2, df])

然后你就可以像你想要的那样使用drop_副本：

df3.drop_duplicates('A', inplace=True)

Answer 3

考虑使用Categoricals。它们很好地将文本按非字母顺序（除其他外）分组/排序

import pandas as pd
df = pd.DataFrame([(1,'Ms'), (1, 'PhD'), (2, 'Ms'), (2, 'Bs'), (3, 'PhD'), (3, 'Bs'), (4, 'Ms'), (4, 'PhD'), (4, 'Bs')], columns=['A', 'B'])
df['B']=df['B'].astype('category')
# after setting the column's type to 'category', you can set the order
df['B']=df['B'].cat.set_categories(['PhD', 'Bs', 'Ms'], ordered=True)
df.sort(['A', 'B'], inplace=True)
df_unique = df.drop_duplicates('A')