Python 熊猫，如何过滤df以获得唯一的条目？

我有这样一个数据帧：

ID  type value
1   A    8
2   A    5
3   B    11
4   C    12
5   D    1
6   D    22
7   D    13

我想过滤数据帧，这样我就有了唯一的“type”attrybute（例如，a只出现一次），如果有更多的行具有相同的“type”值，我想选择一个值更高的行。 我想得到这样的东西：

ID  type value
1   A    8
3   B    11
4   C    12
6   D    22

如何处理熊猫？

使用groupby“type”并仅抓取第一个对象-

---

df.groupby（“type”）.first（）

# first way
sorted = df.sort_values(['type', 'value'], ascending = [True, False])

first = sorted.groupby('type').first().reset_index()

另一种方法不一定只采用第一种方法，因此可能会使所有ID对应于相同的最大值（而不是仅采用其中的一个）

例如：

资料

第一种方法导致

type  ID  value
A   1      8
B   3     11
C   4     12
D   6     22

第二种方法保持ID=8

            ID
type value    
A    8       1
B    11      3
C    12      4
D    22      6
     22      8

（如果您不喜欢多重索引，您可以在此处再次

reset_index（）

）

---

这通常是有效的，如果您想要有更多的列，您可以选择感兴趣的列，在我们的例子中，我们选择了all，‘type’、‘value’

我喜欢我的方式。因为groupby将创建新的df。您将获得唯一的值。但从技术上讲，这不会过滤你的df，这将创建一个新的df。我的方法将保持你的索引不变，你将得到相同的df，但没有重复

df = df.sort_values('value', ascending=False)
# this will return unique by column 'type' rows indexes
idx = df['type'].drop_duplicates().index
#this will return filtered df
df.loc[idx,:]

---

美好的这样我就失去了ID。我怎样才能恢复以前的布局？回答得很好。还有一个问题。实际上，我的idex是id，它们是唯一的标识符字符串，如“M_001”，我如何恢复这些索引？将其另存为一个额外的列，然后将其指定为索引？从上面开始，我会做

第二步。reset_index（）。set_index（'ID'）

，如果你能提供一些口头信息，你的答案将更加丰富。除了@scriptmonster所说的，当用公认的答案回答旧问题时，解释为什么你的方法比这个答案更受欢迎是非常有用的。谢谢你的建议。

            ID
type value    
A    8       1
B    11      3
C    12      4
D    22      6
     22      8

df[['type', 'value']].drop_duplicates(subset=['type'])

df = df.sort_values('value', ascending=False)
# this will return unique by column 'type' rows indexes
idx = df['type'].drop_duplicates().index
#this will return filtered df
df.loc[idx,:]