Pandas Dataframe 在列字符串的子集中重复

djmepvbi 于 2022-11-20 发布在其他

关注(0)|答案(2)|浏览(132)

我有一个Pandas Dataframe ，有两列id和user_name。
其中，ID列具有以下格式（xxxxxx-xxx-A）：r '[0-9]{6}-[0-9]{3}$'+字母表中的字母。
下面是我的 Dataframe 示例：

id  user name
095082-000-A    name1
095772-101-A    name2
095082-000-B    name3
095772-101-E    name4
095772-101-Z    name5
095772-101-D    name6
095082-000-F    name7
015082-001-A    name8

预期的结果是只保留ID与“xxxxxx-xxx-”部分不重复且最后一个（按顺序）字母为：

id  user name
095772-101-Z    name5
095082-000-F    name7
015082-001-A    name8

什么是最有效的方法呢？谢谢

pandas

来源：https://stackoverflow.com/questions/74447529/pandas-dataframe-duplicates-in-a-subset-of-column-string

2条答案

按热度按时间

3npbholx1#

您可以将字符串拆分为公共标识符和字母，然后按所需的优先级对值进行排序，最后获得每组的最后一个索引：

idx = (df['id']
 .str.extract(r'([0-9]{6}-[0-9]{3})-(.*)')
 .sort_values(by=1)
 .reset_index()
 .groupby(0, sort=False)['index'].last()
)

out = df.loc[idx]

输出功率

id user_name
0  095082-000-P     name1
4  095772-101-Z     name5
7  015082-001-P     name8

赞(0）回复(0）举报 2022-11-20

a5g8bdjr2#

第一个

赞(0）回复(0）举报 2022-11-20

我来回答

Pandas Dataframe 在列字符串的子集中重复

2条答案

相关问题

热门标签

最新问答