[英]drop duplicates of one column based on duplicates of another column keeping the other column duplicates in pandas
[英]Drop duplicates of one column based on value in another column, Python, Pandas
我有一个这样的数据框:
Date PlumeO Distance
2014-08-13 13:48:00 754.447905 5.844577
2014-08-13 13:48:00 754.447905 6.888653
2014-08-13 13:48:00 754.447905 6.938860
2014-08-13 13:48:00 754.447905 6.977284
2014-08-13 13:48:00 754.447905 6.946430
2014-08-13 13:48:00 754.447905 6.345506
2014-08-13 13:48:00 754.447905 6.133567
2014-08-13 13:48:00 754.447905 5.846046
2014-08-13 16:59:00 754.447905 6.345506
2014-08-13 16:59:00 754.447905 6.694847
2014-08-13 16:59:00 754.447905 5.846046
2014-08-13 16:59:00 754.447905 6.977284
2014-08-13 16:59:00 754.447905 6.938860
2014-08-13 16:59:00 754.447905 5.844577
2014-08-13 16:59:00 754.447905 6.888653
2014-08-13 16:59:00 754.447905 6.133567
2014-08-13 16:59:00 754.447905 6.946430
我试图将日期保持在最短的距离,因此请删除重复的日期,并将日期保持在最短的距离。
有没有办法在熊猫的df.drop_duplicates
实现此df.drop_duplicates
或者我是否坚持使用if语句查找最小距离?
按距离排序并按日期排序:
df.sort_values('Distance').drop_duplicates(subset='Date', keep='first')
Out:
Date PlumeO Distance
0 2014-08-13 13:48:00 754.447905 5.844577
13 2014-08-13 16:59:00 754.447905 5.844577
这些方法的优点是不需要排序。
选项1
您可以使用idxmin
标识最小值的索引值,并且可以在groupby
使用它。 使用这些结果来切片数据框。
df.loc[df.groupby('Date').Distance.idxmin()]
Date PlumeO Distance
0 2014-08-13 13:48:00 754.447905 5.844577
13 2014-08-13 16:59:00 754.447905 5.844577
选项2
您可以使用pd.DataFrame.nsmallest
返回与最小距离关联的行。
df.groupby('Date', group_keys=False).apply(
pd.DataFrame.nsmallest, n=1, columns='Distance'
)
Date PlumeO Distance
0 2014-08-13 13:48:00 754.447905 5.844577
13 2014-08-13 16:59:00 754.447905 5.844577
我会说先对数据排序,然后删除重复的日期:
stripped_data = df.sort_values('distance').drop_duplicates('date', keep='first')
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.