python根据列的最大值选择行

Question

我对Python不是很熟悉，但是我需要做一些事情。我有一个ASCII文件（空格分隔）的几列。在第一列中，有些值是重复的。例如，从这些重复值中，我需要选择第3列中具有较大值的行，然后返回一个数组。 我想要这样的东西：

#col1    col2    col3    col4    col5
1         1       2       3       4
1         2       1       5       3
2         2       5       2       1

将返回第1行和第3行。 到目前为止，我已经做到了：我定义了一个辅助函数来检测重复项的索引（所有第二个条目）

def list_duplicates(seq):
    seen = set()
    seen_add = seen.add
    return [idx for idx,item in enumerate(seq) if item in seen or seen_add(item)]

然后尝试用它来读取列表（我从一个文件中加载的）np.genfromtxt文件命名（每列）

def select_high(ndarray, dup_col, sel_col): #dup_col is the column where the duplicates are, sel_col is the column where we select the larger value
    result = []
    dup = list_duplicates(ndarray[dup_col])
    dupdup = [x-1 for x in dup]
    for i in range(len(ndarray[sel_col])):        
        if i in dup:
            mid = []
            maxi = max(ndarray[sel_col][i], ndarray[sel_col][i-1])
            maxi_index = np.where(ndarray[sel_col] == maxi)[0][0]
            for name in ndarray.dtype.names:
                mid.append(ndarray[name][maxi_index])
            result.append(mid)
        else:
            mid = []
            if i not in dupdup:
                for name in ndarray.dtype.names:
                    mid.append(ndarray[name][i])
            result.append(mid)

    return np.asarray(result)

但是发生的事情是，每当有重复的时候，我就必须删除else部分，否则它会给我一个错误，每当没有重复的时候，我就必须把它放回去。 感谢您的帮助，很抱歉发了这么长的帖子，希望我能说清楚

Answer 1

我想你（我也是）都沉浸在细节中了。以下是一个版本，它可以满足您的需要，但更简单：

m = [[1, 2, 1, 5, 3], [1, 1, 2, 3, 4], [2, 2, 5, 2, 1]]
s = sorted(m,  key=lambda r:(r[0], -r[2]))
print(s) 
seen = set()
print( [r for r in s if r[0] not in seen and not seen.add(r[0])])

第一行将m定义为从文件中获得的行列表。你知道吗

第二行按第一列中的值（r[0]）对这些行排序，然后按第三列中的值排序，但从大到小（-r[2]）：

s=[[1, 1, 2, 3, 4], [1, 2, 1, 5, 3], [2, 2, 5, 2, 1]]

现在，当您至少看到第一列中的值一次时，需要跳过这些行。我们使用一个集合seen来存储我们已经看到的r[0]值。如果r[0]不在seen中，我们应该保留该行并将其放入seen，这样我们下次看到r[0]时就会丢弃该行。这有点棘手：

if r[0] not in seen and not seen.add(r[0])

请注意，not seen.add(r[0])始终为真，因为seen.add返回None。因此：

• 如果r[0]不在seen中，我们将r[0]放在seen中并保留该行

• 如果r[0]在seen中，则返回false并丢弃该行。

你也可以这样表达：

if not (r[0] in seen or seen.add(r[0]))