Pandas/Python基于特定行值删除重复项

我正在尝试根据多个条件删除重复项：

在列

df['A']

检查列

df['status']

并将OK与Open和Open与Close区分优先级

如果我们有一个状态相同的副本，则根据

df['Col\u 1]

df=pd.DataFrame（{'A'：['11'，'11'，'12'，np.nan'，'13'，'13'，'14'，'14'，'15']， '状态'：['OK'，'Close'，'Close'，'OK'，'OK'，'Open'，'Open'，'Open'，'Open'，np.nan]， “Col_1”：[2000、2001、2000、2000、2000、2002、2000、2004、2000]} df

预期产出：

我尝试过不同的解决方案，如下面的链接（地图或loc），但我无法找到正确的方法：

---

为优先排序

状态创建有序分类，然后按所有列排序，按第一列
A
和最后一个排序索引删除重复项：

c = ['OK','Open','Close']
df['Status'] = pd.Categorical(df['Status'], ordered=True, categories=c)

df = df.sort_values(['A','Status','Col_1']).drop_duplicates('A').sort_index()
print (df)
     A Status  Col_1
0   11     OK   2000
2   12  Close   2000
3  NaN     OK   2000
4   13     OK   2000
6   14   Open   2000
8   15    NaN   2000

如果需要，请编辑避免删除“添加帮助程序”列中的
NaN
s：

df['test'] = df['A'].isna().cumsum()

c = ['OK','Open','Close']
df['Status'] = pd.Categorical(df['Status'], ordered=True, categories=c)

df = (df.sort_values(['A','Status','Col_1', 'test'])
        .drop_duplicates(['A', 'test'])
        .sort_index())

非常感谢，如果我们有多个NaN，是否有办法将所有NaN保留在a列中？我刚刚意识到，代码在日期中的一部分工作正常，而日期不是由最新的NaN选择的one@Caiotru-你能解释更多吗？@Caiotru-一个想法-日期是字符串吗？还是约会时间？或者数字？例如，如果我有两个代码相同的OK，我希望选择最新的日期，如果它们是有序的，我希望保留='last'