大家好，我是皮皮。
一、前言
国庆期间在Python白银交流群【谢峰】问了一个Pandas处理的问题，提问截图如下：
代码如下：
import pandas as pd
data = [{'name': '小明', 'age': 18}, {'name': '小张', 'age': 20}, {'name': '小明', 'age': 20}, {'name': '小明', 'age': 38}]
data = pd.DataFrame(data)
# print(data)
# 删除名字重复的，只保留年龄最大的那个
data = data.drop_duplicates('name', inplace=False)
print(data)
二、实现过程
这里【甯同学】给了一个思路，先排个序，再删，并且给出了如下代码：
import pandas as pd
data = [{'name': '小明', 'age': 18}, {'name': '小张', 'age': 20}, {'name': '小明', 'age': 20}, {'name': '小明', 'age': 38}]
data = pd.DataFrame(data)
# print(data)
# 删除名字重复的，只保留年龄最大的那个
data = data.sort_values(by="age", ascending=False).drop_duplicates('name', inplace=False)
# data = data.drop_duplicates('name', inplace=False)
print(data)
顺利地解决了粉丝的问题。下面是他自己整理出来的，也一起分享给大家了。和上面的代码没太大区别，只是省去了参数名，硬要说就是默认参数省了和没省的区别。
import pandas as pd
data = [{'name': '小明', 'age': 18}, {'name': '小张', 'age': 20}, {'name': '小明', 'age': 20}, {'name': '小明', 'age': 38}]
data = pd.DataFrame(data)
# print(data)
# 删除名字重复的，只保留年龄最大的那个
data = data.sort_values('age', ascending=False).drop_duplicates(subset=['name'], keep='first')
print(data)
data = data.sort_values(by='age', ascending=False).drop_duplicates('name', inplace=False)
print(data)
后来粉丝自己还拓展了下，这里拿出来跟大家一起分享。
一、sort_values()函数用途
pandas中的sort_values()函数原理类似于SQL中的order by，可以将数据集依照某个字段中的数据进行排序，该函数即可根据指定列数据也可根据指定行的数据排序。
二、sort_values()函数的具体参数
用法：DataFrame.sort_values(by=‘##’,axis=0,ascending=True, inplace=False, na_position=‘last’)
参数说明
参数
说明
by
指定列名(axis=0或’index’)或索引值(axis=1或’columns’)
axis
若axis=0或’index’，则按照指定列中数据大小排序；若axis=1或’columns’，则按照指定索引中数据大小排序，默认axis=0
ascending
是否按指定列的数组升序排列，默认为True，即升序排列
inplace
是否用排序后的数据集替换原来的数据，默认为False，即不替换
na_position
{‘first’,‘last’}，设定缺失值的显示位置
三、例子
单条件根据排序删除重复值
import pandas as pd
data = [{'name': '小明', 'age': 18, 'high': 155}, {'name': '小张', 'age': 20, 'high': 145}, {'name': '小明', 'age': 38, 'high': 175}, {'name': '小明', 'age': 38, 'high': 195}]
data = pd.DataFrame(data)
# 单条件删除（名字重复的，只保留年龄最大的那个）
a = data.sort_values('age', ascending=False).drop_duplicates('name')
print(a)
多条件根据排序删除重复值
mport pandas as pd
data = [{'name': '小明', 'age': 18, 'high': 155}, {'name': '小张', 'age': 20, 'high': 145}, {'name': '小明', 'age': 38, 'high': 175}, {'name': '小明', 'age': 38, 'high': 195}]
data = pd.DataFrame(data)
# 多条件删除（名字一样，根据年龄删除，保留最大的，年龄一样，再根据身高删除，保留最大的）
b = data.sort_values(['age', 'high'], ascending=False).drop_duplicates('name')
print(b)
可以说学完这里，sort_values()的用法算是基本上吃透了。
三、总结
大家好，我是皮皮。这篇文章主要盘点了一个Pandas处理的问题，文中针对该问题，给出了具体的解析和代码实现，帮助粉丝顺利解决了问题。
最后感谢粉丝【谢峰】提问，感谢【甯同学】、【论草莓如何成为冻干莓】给出的思路和代码解析，感谢【dcpeng】、【此类生物】、【凡人不烦人】等人参与学习交流。
好文推荐
发表评论