如何保留最新值并删除列中的所有其他值（pandas）

Question

我正在尝试获取 ID 名称的最新出现，并且我想删除该时间之前发生的所有其他出现的情况。

    ID Name     Comment        Time
0     W12D0       Fine     12:17:37
1     W12D0     Random     12:20:10
2     W12D0       What     12:21:06
3     W12D4       Fine     08:20:14
4     W12D5     Random     10:11:12
5     W12D5       Fine     11:37:02
..      ...        ...         ....

例如（根据上面的数据），“ID 名称”“W12D0”与 3 次出现相关联： 12:17:37、12:20:10、12:21:06

我只想保留与该 ID 名称的最新时间关联的行（在本例中为 12:21:06）。每隔一个带有 W12D0 的行将被删除。本质上，我想要这样的东西：

    ID Name     Comment        Time
0     W12D0       What     12:21:06
1     W12D4       Fine     08:20:14
2     W12D5       Fine     11:37:02
..      ...        ...         ....

我该如何去做呢？

Answer 1

最新版本（截至 2018 年 8 月）如下所示：

df = df.sort_values(by=['IDName', 'Time'])
df.drop_duplicates(subset=['IDName'], keep='last')

以防万一有人遇到这个问题并努力让它工作

Answer 2

如果“df”是您的数据框，“IDName”是列，那么您可以尝试：

首先排序：

df = df.sort(columns=["IDName", "Time"])

然后删除重复项：

  df.drop_duplicates(subset=["IDName"], keep="last")

您可以在这里阅读更多内容： http://pandas.pydata.org/pandas-docs/stable/ generated/pandas.DataFrame.drop_duplicates.html

Answer 3

又快又脏，但应该可以完成工作！

import pandas as pd
import numpy as np

# load your data

data['Time'] = pd.to_datetime(data['Time'])

list_of_indexes = [np.argmin(g['Time']) for l, g in data.groupby('ID Name')]
data.ix[list_of_indexes]

Answer 4

这应该可以达到你想要的效果。我通常使用CSV格式来加载数据。

from pandas import *
import numpy as np

# load your data

df = read_cv('data.csv')
df['Time'] = to_datetime(df['Time'])

# remove duplicate

df = df.groupby('IDName', group_keys=False).apply(lambda x: x.ix[np.argmax(x['Time'])])

此链接可能对您也有帮助：删除重复项