对 pandas dataframe 运行 sql 查询

Question

我有一个 dataframe df

ID	价格	地区
1	23	澳大利亚
1	45	DXB
2	25	GER
2	18	屯

我想在 python 中写一段代码得到下面的 output

ID	价格	地区
1	45	DXB
2	25	屯

我尝试使用 pandasql 来获取 output 但它没有给出我想要的 output

我试过的代码是

import pandas as pd
import pandasql as ps

#to read table
df=pd.read_excel("test.xlsx")

ps.sqldf("select ID, max(Price), Region from df order by ID")

如果python本身（不使用pandasql）有任何其他代码可以得到上述output，请告诉我

Answer 1

您可以使用groupby.transform

output_df = df[df['Price'].eq(df.groupby("ID")['Price'].transform("max"))]

或者使用ps.sqldf使用 window function 获得最高价格，然后返回价格等于最高价格的行：

output_df  = ps.sqldf("""select ID,Price,Region from 
                        (select *, max(Price) over (partition by ID) max_Price from df)
                        where Price = max_Price""")

---

    ID  Price Region
0   1     45    DXB
1   2     25    GER

Answer 2

你可以做：

df.sort_values('Price').drop_duplicates('ID', keep='last')