2

У меня имеется фрейм данных:

>>> df = {'full_name' : ['user1', 'user2','user3', 'user1'], 
      'timestamp': ['1617966829', '1617967400', '1614567432', '1617966941']}
>>> df

     full_name    timestamp
0        user1    1617966829
1        user2    1617967400
2        user3    1614567432
3        user1    1617966941

С помощью df.duplicated я получаю датафрейм содержащий дубли по столбцу full_name:

>>> df[df.duplicated(subset=['full_name'], keep = False)]

     full_name    timestamp
0        user1    1617966829
3        user1    1617966941

Я хочу удалить строку которая содержит наименьшее значение timestamp, но не могу понять как это сделать.

Как, и с помощью чего, могу удалить дубль строки по значению столбца full_name и с наименьшим значением timestamp?

1
  • а как должен выглядеть результат если в группе будет три (больше двух) строки? 9 апр 2021 в 11:32

2 ответа 2

1

Если дубликатов может быть больше двух, то, например, при исходных данных:

import pandas as pd

df = pd.DataFrame({'full_name' : ['user1', 'user2','user3','user2', 'user1', 'user1'], 'timestamp': ['1617966942', '1617967400', '1614567432', '1617966941', '1617966829', '1617966829']})

df:

  full_name   timestamp
0     user1  1617966942
1     user2  1617967400
2     user3  1614567432
3     user2  1617966941
4     user1  1617966829
5     user1  1617966829

можно сделать так:

res = df.drop(df.index[df.loc[df.duplicated("full_name", keep=False)]
                       .sort_values("timestamp")
                       .groupby("full_name")
                       .apply(lambda x: x.index[0])])

тогда res бцдет:

  full_name   timestamp
0     user1  1617966942
1     user2  1617967400
2     user3  1614567432
5     user1  1617966829
1

Если оставить нужно строки с максимальным timestamp:

res = df.groupby("full_name", as_index=False).max()

результат:

In [14]: res
Out[14]:
  full_name   timestamp
0     user1  1617966941
1     user2  1617967400
2     user3  1614567432
7
  • А если дублей больше двух?
    – strawdog
    9 апр 2021 в 11:56
  • @strawdog, ожидаю реакцию автора на уточняющий вопрос ;) 9 апр 2021 в 11:59
  • Если дублей больше двух, то также необходимо оставить строку с наибольшим значением timestamp
    – Vasai
    13 апр 2021 в 8:32
  • @Vasai, если в группе 3 строки - сколько строк должно остаться в результате - одна или две? 13 апр 2021 в 8:33
  • 1
    @Vasai, тогда мой ответ df.groupby("full_name", as_index=False).max() полностью отвечает на ваш вопрос) 13 апр 2021 в 14:44

Ваш ответ

Нажимая на кнопку «Отправить ответ», вы соглашаетесь с нашими пользовательским соглашением, политикой конфиденциальности и политикой о куки

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.