Pandas Dataframe - GroupBy 鍵並將最大值保留在另一列

Question

我需要按鍵對幀進行分組。 每個組可能有：

1. 一對 id，其中“最大注冊”是我需要保留的唯一值
2. 兩對 id：id1-id2 和 id2-id1 我需要保持他們的“注冊的最大”或其中一個之間的最大值，如果他們的“注冊的最大”相等並且只保留其中一對（因為 id1-id2 和id2-id1 應該被視為一對，因為我們不關心id在一對中的順序）
3. 多於兩對 id：可能是案例 1 = 一對，案例 2 = 兩對的組合。 在同一組密鑰中，它們需要像案例 1 和案例 2 一樣對待。

這是原始的dataframe：

df = pd.DataFrame({
                   'first': ['A', 'B', 'A1', 'B1', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'K'],
                   'second': ['B', 'A', 'B1', 'A1', 'D', 'C', 'F', 'E', 'H', 'G', 'J', 'L'],
                   'key': ['AB', 'AB', 'AB', 'AB', 'CD', 'CD', 'EF', 'EF', 'GH', 'GH', 'IJ', 'KL'],
                   'max registered': [10, 5, 10, 5, 'NaN', 15, 10, 5, 'NaN', 'NaN', 'NaN', 15]
                 })
df


    first   second  key max registered
0   A       B       AB  10
1   B       A       AB  5
2   A1      B1      AB  10
3   B1      A1      AB  5
4   C       D       CD  NaN
5   D       C       CD  15
6   E       F       EF  10
7   F       E       EF  5
8   G       H       GH  NaN
9   H       G       GH  NaN
10  I       J       IJ  NaN
11  K       L       KL  15

這是 dataframe 一旦被分組和（這是我的問題）聚合/過濾/轉換/應用后的樣子？ 在對我的數據進行分組以及我應該選擇什么解決方案之后，我不知道該怎么做。

df = pd.DataFrame({
                   'first': ['A', 'A1', 'D', 'E', 'G', 'I', 'K'],
                   'second': ['B', 'B1', 'C', 'F', 'H', 'J', 'L'],
                   'key': ['AB', 'AB', 'CD', 'EF', 'GH', 'IJ', 'KL'],
                   'max registered': [10, 10, 15, 10, 'NaN', 'NaN', 15]
                 })
df

    first   second  key max registered
0   A       B       AB  10
1   A1      B1      AB  10
2   D       C       CD  15
3   E       F       EF  10
4   G       H       GH  NaN
5   I       J       IJ  NaN
6   K       L       KL  15

自 2 天以來，我一直在看關於 groupby() 和 pandas 文檔的教程，但沒有找到任何關於其背后邏輯的線索以及我應該這樣做的方式。 我的問題（如我所見）更復雜，並且與那些教程中處理的內容無關（例如我看過幾次的這個）

Answer 1

從first列和second列創建有序組。 key在這里沒用，因為您希望每個子組的所有最大值（（A，B）的最大值和（A1，B1）的最大值）然后按降序max registered對值進行排序。 最后按此虛擬組分組並保留第一個值（最大值）：

out = df.assign(group=df[['first', 'second']].apply(frozenset, axis=1)) \
        .sort_values('max registered', ascending=False) \
        .groupby('group').head(1).sort_index()
print(out)

   first second key  max registered     group
0      A      B  AB            10.0    (A, B)
2     A1     B1  AB            10.0  (B1, A1)
5      D      C  CD            15.0    (C, D)
6      E      F  EF            10.0    (E, F)
8      G      H  GH             NaN    (G, H)
10     I      J  IJ             NaN    (J, I)
11     K      L  KL            15.0    (K, L)