Python 基于两列删除重复项并基于另一列保留引用'；s值

假设我有以下数据帧：

df = pd.DataFrame({
    'col1': ['a', 'b','a', 'a', 'c', 'a'],
    'col2': ['x1', 'y1','x2', 'x2', 'x2', 'x2'],
    'col3': [1, 2, 5, 3, 3, 3],
    'col4': ['m', 'n', 'm', 'm', 'm', 'n']
})

我想删除基于

col1

和

col4

两列的重复列，并保留

col3

上值最高的列。结果应该如下所示：

  col1 col2  col3 col4
0    b   y1     2    n
1    a   x2     5    m
2    c   x2     3    m
3    a   x2     3    n

---

我尝试了

df.drop_duplicates（subset=['col1'，'col4']）

默认情况下，这会保留第一次出现。另外，如果我执行

df.drop_duplicates（subset=['col1'，'col4']，keep='last'）

操作，它会返回错误的结果，因为最后一次出现的值在

col3

中没有最高值。我想知道如何处理这种情况？

您可以首先按

col3

对值进行排序，然后

删除重复项

，并使用

子集

参数和

保留

，我们将其设置为最后一个

df1 = df.sort_values('col3').drop_duplicates(subset=['col1','col4'],keep='last')

print(df1)

  col1 col2  col3 col4
1    b   y1     2    n
4    c   x2     3    m
5    a   x2     3    n
2    a   x2     5    m

另一种方法是使用

groupby

和

idxmax

df.loc[df.groupby(['col1','col4'])['col3'].idxmax()]

  col1 col2  col3 col4
2    a   x2     5    m
5    a   x2     3    n
1    b   y1     2    n
4    c   x2     3    m