Мой код:
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
df = pd.read_csv('PS_2022.01.12_02.04.06.csv', index_col=None, sep=',', comment='#')
planet_ser = df.reindex(columns=['pl_name', 'hostname','discoverymethod', 'disc_year', 'sy_dist', 'st_age', 'rowupdate'])
planet_df = pd.DataFrame(planet_ser)
new_df = planet_df.drop_duplicates().reset_index(drop=True)
У меня есть датафрейм, которые предоставляет информацию об открытиях планет. Некоторые строки между собой сходятся (одна и та же планета) почти по всем параметрам, кроме st_age (возраст планеты), это связано со столбцом rowupdate (последняя, и как я понимаю, более точная информация). Как я могу убрать старую информацию о планете, ориентируясь по rowupdate?
Датафрейм можно взять здесь: https://exoplanetarchive.ipac.caltech.edu/cgi-bin/TblView/nph-tblView?app=ExoTbls&config=PS
Я пытался весьма странным способом это всё провернуть:
- Найти все уникальные значения планет (pl_name)
- Объединить уже их с остальными столбцами
Но это привело к тому, что везде где не сходились данные - появлялись NaN
На выходе хочу получить ±4800 уникальных планет