pandas python: supprimez les doublons par colonnes A, en conservant la ligne avec la valeur la plus élevée dans la colonne B J'ai un dataframe avec des valeurs de répétition dans la colonne A. Je veux supprimer les doublons, en conservant la ligne avec la valeur la plus élevée dans la colonne B. Donc ça: A B 1 10 1 20 2 30 2 40 3 10 Devrait se transformer en ceci: Wes a ajouté quelques fonctionnalités intéressantes pour supprimer les doublons:. Mais AFAICT, il est conçu pour les doublons exacts, il n'y a donc aucune mention de critères pour sélectionner les lignes à conserver. Je suppose qu'il y a probablement un moyen facile de le faire - peut-être aussi simple que de trier le dataframe avant de supprimer les doublons - mais je ne connais pas assez bien la logique interne de groupby pour le comprendre. Aucune suggestion? Réponses: Cela prend le dernier. Pas le maximum cependant: In [ 10]: df. drop_duplicates ( subset = 'A', keep = "last") Out [ 10]: 1 1 20 3 2 40 4 3 10 Vous pouvez également faire quelque chose comme: In [ 12]: df.
Celui qui trouve sans chercher est celui qui a longtemps cherché sans trouver. (Bachelard) La connaissance s'acquiert par l'expérience, tout le reste n'est que de l'information. (Einstein) 07/07/2018, 16h37 #2 Membre actif Supprimer les doublons Bonjour fred1599, Ton script a pour objectif de supprimer les doublons contenu dans un fichier. Je l'ai testé avec des mots et des phrases. Le contenu du fichier source s'affiche à l'écran, le script ne modifie pas le texte original. Ou visualise-t-on le résultat? Discussions similaires Réponses: 47 Dernier message: 25/07/2012, 08h19 Réponses: 2 Dernier message: 11/07/2007, 09h34 Réponses: 16 Dernier message: 26/01/2006, 20h07 Réponses: 3 Dernier message: 07/10/2003, 14h13 × Vous avez un bloqueur de publicités installé. Le Club n'affiche que des publicités IT, discrètes et non intrusives. Afin que nous puissions continuer à vous fournir gratuitement du contenu de qualité, merci de nous soutenir en désactivant votre bloqueur de publicités sur
Parce que, dans ce cas, elle ne contient qu'un seul caractère, il vous suffit donc de renvoyer le caractère. Maintenant si string[0] == string[1], alors vous voulez ignorer le premier caractère et appliquer la fonction au reste.
J'ai un fichier csv comme ceci: column1 column2 john kerry adam stephenson ashley hudson etc.. Je veux supprimer les doublons à partir de ce fichier, pour obtenir que: J'ai écrit ce script qui supprime les doublons en fonction lastnames, mais j'ai besoin de supprimer les doublons en fonction lastnames ET prénom. import csv reader = csv. reader ( open ( '', 'r'), delimiter = ', ') writer = csv. writer ( open ( '', 'w'), delimiter = ', ') lastnames = set () for row in reader: if row [ 1] not in lastnames: writer. writerow ( row) lastnames. add ( row [ 1]) "J'ai écrit ce script qui supprime les doublons basés sur des noms, mais j'ai besoin de supprimer les doublons basée sur le nom ET prénom". Je suis un peu perdu ici. Quand vous dites le nom voulez-vous dire un prénom, un nom ou d'un enchaînement? Votre script ne fonctionne que sur les noms de famille. Désolé d'être pas claire, je veux supprimer les doublons en fonction lastnames (colonne2) et firstnames (colonne1) Original L'auteur Reveclair | 2012-10-12
groupby ( 'A', group_keys = False). apply ( lambda x: x. loc [ x. B. idxmax ()]) Out [ 12]: A 2 2 40 3 3 10 La réponse principale est de faire trop de travail et semble être très lent pour des ensembles de données plus volumineux. apply est lent et doit être évité si possible. ix est obsolète et doit également être évité. df. sort_values ( 'B', ascending = False). drop_duplicates ( 'A'). sort_index () Ou regroupez simplement toutes les autres colonnes et prenez le maximum de la colonne dont vous avez besoin. oupby('A', as_index=False)() Solution la plus simple: Pour supprimer les doublons basés sur une colonne: df = df. drop_duplicates ( 'column_name', keep = 'last') Pour supprimer les doublons basés sur plusieurs colonnes: df = df. drop_duplicates ([ 'col_name1', 'col_name2', 'col_name3'], keep = 'last') Essaye ça: df. groupby ([ 'A']). max () Je trierais d'abord le dataframe avec la colonne B décroissante, puis supprimerais les doublons pour la colonne A et garderais en premier df = df.
df. groupby ( 'A', as_index = False)[ 'B']. max () Façon la plus simple de le faire: # First you need to sort this DF as Column A as ascending and column B as descending # Then you can drop the duplicate values in A column # Optional - you can reset the index and get the nice data frame again # I'm going to show you all in one step. d = { 'A': [ 1, 1, 2, 3, 1, 2, 3, 1], 'B': [ 30, 40, 50, 42, 38, 30, 25, 32]} df = pd. DataFrame ( data = d) df 0 1 30 1 1 40 2 2 50 3 3 42 4 1 38 5 2 30 6 3 25 7 1 32 df = df. sort_values ([ 'A', 'B'], ascending =[ True, False]). drop_duplicates ([ 'A']). reset_index ( drop = True) 0 1 40 1 2 50 2 3 42 cela fonctionne également: a = pd. DataFrame ({ 'A': a. groupby ( 'A')[ 'B']. max (). index, 'B': a. groupby ( 'A') [ 'B']. values}) Je ne vais pas vous donner la réponse complète (je ne pense pas que vous cherchiez de toute façon l'analyse et l'écriture dans le fichier), mais un indice pivot devrait suffire: utilisez la set() fonction de python, puis sorted() ou () couplé avec.
API Fonctions Python Pandas Fonction Pandas DataFrame DataFrame. drop_duplicates() Créé: November-16, 2020 | Mise à jour: February-21, 2021 Syntaxe de Frame. drop_duplicates(): Exemples de codes: Supprimer les lignes en double en utilisant Pandas t_index() Méthode Exemples de codes: Définissez le paramètre subset Pandas t_index() Méthode Exemples de codes: Définissez le paramètre keep Pandas t_index() Méthode Exemples de codes: Définissez le paramètre ignore_index dans la méthode Pandas t_index() La fonction Python Pandas DataFrame. drop_duplicates() supprime toutes les lignes en double dans le DataFrame. Syntaxe de Frame. drop_duplicates(): DataFrame. drop_duplicates(subset: Union[Hashable, Sequence[Hashable], NoneType] = None, keep: Union[str, bool] = 'first', inplace: bool = False, ignore_index: bool = False) Paramètres subset Étiquette de colonne ou séquence d'étiquettes. Colonnes à prendre en compte lors de l'identification des doublons keep first, last ou False. Supprimer tous les doublons sauf le premier ( keep=first), supprimer tous les doublons sauf le dernier ( keep=first) ou supprimer tous les doublons ( keep=False) inplace Booléen.
naturalizersingapore.com, 2024