我有一个重复的DataFrame我想删除带有groupby
和条件的重复项。
import pandas as pd
import numpy as np
df = pd.DataFrame({
'id': [0, 1, 2, 3, 4, 5],
'nm': ['A','A','A','B','B','B'],
'Rev': ['$10','$20','$30','$40','$50','$60'],
'Exp': ['$2','$4','$6','$8','$10','$12'],
'Dt': ['2019-03-01', '2020-09-30', np.nan, '2021-09-30', '2022-04-01', ' ']
})
在重复数据删除时,我想保留最近日期的行。
因此,对于每个组nm
,保留最近日期的行。注意日期可以为空' '
空字符串或np.nan
。
预期输出:
id nm Rev Exp Dt
1 A $20 $4 2020-09-30
4 B $50 $10 2022-04-01
首先需要将datetime对象转换为datetime对象,然后使用sort_values
+drop_duplicates
df['Dt'] = pd.to_datetime(df['Dt'], errors = 'coerce')
out = df.sort_values('Dt',ascending=False).drop_duplicates('nm')
out
Out[231]:
id nm Rev Exp Dt
4 4 B $50 $10 2022-04-01
1 1 A $20 $4 2020-09-30
试试下面的
df = df.sort_values(by="Dt", ascending=False).drop_duplicates('nm').sort_values('Dt').reset_index(drop=True)
输出id nm Rev Exp Dt
0 1 A $20 $4 2020-09-30
1 4 B $50 $10 2022-04-01