如果另一列满足条件，则在列值重复时删除一行

Question

我有一个 DataFrame，我想在其中删除一行（或多行），其中超过一个连续的行根据不同列的值对一列具有相同的值。在这种情况下，如果高则保留 B 中值最高的行，如果低则保留值最低的行。本质上，我试图只让高点后跟低点和低点后跟高点。

df = pd.DataFrame({'A': ['low', 'high', 'high', 'low', 'low','low'],                   
                   'B': [10, 70, 90, 40, 50,60]})

输出：

     A     B
0   low   10
1   high  70
2   high  90
3   low   40
4   low   50
5   low   60

期望：

     A     B
0   low   10
2   high  90
3   low   40

试图了解如何实现逻辑并将运行变成一堵砖墙。

Answer 1

这是使用 groupby.apply 的一种快速而肮脏的方法：

out = (df.groupby(['A', df['A'].ne(df['A'].shift()).cumsum()])
       .apply(lambda x: x.max() if x['A'].iat[0]=='high' else x.min())
       .droplevel(0).sort_index().reset_index(drop=True))

另一种方法是先找到groupby + max;然后 mask “低”值并将它们替换为 groupby + min 值：

g = df.groupby(['A', df['A'].ne(df['A'].shift()).cumsum()], sort=False)['B']
out = g.max().mask(lambda x: x.index.get_level_values(0)=='low', g.min()).droplevel(1).reset_index()

输出：

      A   B
0   low  10
1  high  90
2   low  40

Answer 2

这是另一种方式：

d = {'low':-1}

(df.assign(B = df['B'].mul(df['A'].map(d),fill_value=1))
 .groupby(['A',pd.Series(pd.factorize(df['A'])[0]).diff().ne(0).cumsum()]).max()
 .abs()
 .sort_index(level=1)
 .droplevel(1)
 .reset_index())

输出：

      A     B
0   low  10.0
1  high  90.0
2   low  40.0

如果另一列满足条件，则在列值重复时删除一行

Drop a row when a column value is duplicated if another column meets a criteria

python

dataframe

python-3.x

pandas

pandas-groupby