Python 如何根据一组复杂的列条件聚合重复行

我正在使用pandas来探索包含多个重复条目的数据集。例如：

import pandas as pd
pd.DataFrame({'ID':['001','001','002','002','002','003','003','004','004'],
             'a':['Yes','Yes','Yes','No','Yes','Yes','No','No','No'],
             'b':['NaN',3,'NaN',5,4,7,'NaN','NaN','NaN']})

ID  a   b
001 Yes NaN
001 Yes 3
002 Yes NaN
002 No  5
002 Yes 4
003 Yes 7
003 No  NaN
004 No  NaN
004 No  NaN

每个重复的

ID

应组合成一行，在该行中，列的值根据以下规则进行聚合：

• 如果列中有，

  Yes

  应取代

  No

• 如果列中存在，则应使用一个数字替换

  NaN

  ，如果存在多个数字，则应选择最大的数字

预期结果是：

ID  a   b
001 Yes 3
002 Yes 5
003 Yes 7
004 No  NaN

---

我尝试（但失败）创建一个自定义函数，然后使用apply和lambda。然而，我不认为这是正确的方法，因为我看不到这些行操作处理一组重复项的方法。

在用

np.NaN

替换

+
max
字符串后，可以使用
'NaN'
。这特别有效，因为
'Yes'>'No'
返回
True
。为了提高效率，我建议您将序列
a
转换为分类序列或布尔序列

# replace 'NaN' strings with np.nan
df['b'] = df['b'].replace('NaN', np.nan)

# groupby + max, reset index to elevate index to column
res = df.groupby('ID').max().reset_index()

print(res)

    ID    a    b
0  001  Yes  3.0
1  002  Yes  5.0
2  003  Yes  7.0
3  004   No  NaN