如何仅保留熊猫中每个订单的最新修订订单

Question

假设我有一个数据框，它在两个不同的列中跟踪订单号和该订单的修订号，如下所示：

OrderNum  RevNum  TotalPrice
 0AXL3     0       $5.00
 0AXL3     1       $4.00
 0AXL3     2       $7.00
 0AXL3     3       $8.00
 0BDF1     0       $3.00
 0BDF1     1       $2.50
 0BDF1     2       $8.50

我们想要的结果是一个新的数据框，该数据框仅包含每个订单的最新版本，因此：

OrderNum  RevNum  TotalPrice
 0AXL3     3       $8.00
 0BDF1     2       $8.50

有没有一种快速的方法可以在熊猫中做到这一点？

Answer 1

IIUC：

In [100]: df.groupby('OrderNum', as_index=False).last()
Out[100]:
  OrderNum  RevNum TotalPrice
0    0AXL3       3      $8.00
1    0BDF1       2      $8.50

更新：

如果数据框中还有其他列，是否还会保留这些列？

In [116]: df['new'] = np.arange(len(df))

In [117]: df
Out[117]:
  OrderNum  RevNum TotalPrice  new
0    0AXL3       0      $5.00    0
1    0AXL3       1      $4.00    1
2    0AXL3       2      $7.00    2
3    0AXL3       3      $8.00    3
4    0BDF1       0      $3.00    4
5    0BDF1       1      $2.50    5
6    0BDF1       2      $8.50    6

In [118]: df.groupby('OrderNum', as_index=False).last()
Out[118]:
  OrderNum  RevNum TotalPrice  new
0    0AXL3       3      $8.00    3
1    0BDF1       2      $8.50    6

Answer 2

一种方法是使用drop_duplicates，请注意应将数据帧在RevNum上从最小到最大排序，或者可以添加sort_values：

df1.drop_duplicates(subset='OrderNum', keep='last')

输出：

  OrderNum  RevNum TotalPrice
3    0AXL3       3      $8.00
6    0BDF1       2      $8.50

要么

df1[~df1.duplicated(subset='OrderNum', keep='last')]

输出：

  OrderNum  RevNum TotalPrice
3    0AXL3       3      $8.00
6    0BDF1       2      $8.50