Pandas系列|第七期：按多列分组排序并删除每组中排序不在第一位的

无形忍者

已于 2024-12-24 09:52:52 修改

阅读量171

点赞数 1

CC 4.0 BY-SA版权

分类专栏： Pandas高阶应用文章标签： pandas

于 2024-12-16 11:08:43 首次发布

本文链接：https://blog.youkuaiyun.com/abc8023/article/details/144426087

背景：物料清单（BOM）进行数据清洗时，在BOM表中按照父编码进行分组，保留QTY最大且失效时间最晚的一行，删除其余的行。

关键点：按照多列排序、分组、删除每分分组中排序不在第一位的。涉及函数

df.sort_values((by=['col1', 'col2', 'col3'],
ascending=[True, False, False])) #按照多列排序

df_sorted.groupby(['col']).head(1) # 分组

df_sorted.index.isin(reserved_indices) # 根据索引筛选行

解决办法：

import pandas as pd

# 创建一个示例DataFrame
data = {'PITEM': ['A0001', 'B0001', 'C0001', 'B0001', 'D0001','D0001'],
        'TYPE': ['BUY', 'BUY', 'BUY', 'BUY', 'MAKE', 'MAKE'],
        'QTY': [1, 0.4, 1, 0.6, 0.2, 0.8],
        'DISABLE_PERIOD': [5, 4, 6, 5, 7, 8],
        }
df = pd.DataFrame(data)

# 按照多列排序
df_sorted = df.sort_values(by=['PITEM', 'QTY', 'DISABLE_PERIOD'],
                                           ascending=[True, False, False])
# 分组，并得到每个分组中排序最大的索引
reserved_indices = df_sorte