我有一张表格如下。
| 隆 | 纬度 | 输出 | |
|---|---|---|---|
| 4050 | -47.812224 | -19.043365 | 1890.283215 |
| 5149 | -47.812224 | -19.043365 | 1890.283215 |
| 7316 | -47.812224 | -19.043365 | 1890.283215 |
| 8406 | -47.812224 | -19.043365 | 1890.283215 |
| 511 | -47.812014 | -19.007094 | 1813.785728 |
| 1555 | -47.812014 | -19.007094 | 1813.785728 |
| 3764 | -47.812014 | -19.007094 | 1821.363582 |
| 4846 | -47.812014 | -19.007094 | 1813.785728 |
| 29 | -47.811177 | -19.008053 | 1763.091936 |
| 1114 | -47.811177 | -19.008053 | 1763.091936 |
| 3262 | -47.811177 | -19.008053 | 1763.091936 |
| 4357 | -47.811177 | -19.008053 | 1763.091936 |
| 1436 | -47.774424 | -19.008700 | 2172.781911 |
| 2557 | -47.774424 | -19.008700 | 2174.394848 |
| 4725 | -47.774424 | -19.008700 | 2172.781911 |
| 5840 | -47.774424 | -19.008700 | 2172.781911 |
| 5211 | -47.774166 | -19.043847 | 2897.092502 |
| 6313 | -47.774166 | -19.043847 | 2897.092502 |
| 8460 | -47.774166 | -19.043847 | 2897.092502 |
| 9543 | -47.774166 | -19.043847 | 2897.092502 |
| 1679 | -47.773958 | -19.007574 | 2179.670924 |
| 2770 | -47.773958 | -19.007574 | 2179.670924 |
| 4998 | -47.773958 | -19.007574 | 2179.670924 |
| 6088 | -47.773958 | -19.007574 | 2179.670924 |
| 1937 | -47.773121 | -19.008533 | 2236.769862 |
| 3004 | -47.773121 | -19.008533 | 2236.769862 |
| 5231 | -47.773121 | -19.008533 | 2236.769862 |
| 6332 | -47.773121 | -19.008533 | 2236.769862 |
我想通过在 lon 和 lat 上使用 groupby 来删除重复项，但在 output
上保留最重复的值例如
| 隆 | 纬度 | 输出 |
|---|---|---|
| -47.812224 | -19.043365 | 1890.283215 |
| -47.812014 | -19.007094 | 1813.785728 |
| -47.811177 | -19.008053 | 1763.091936 |
| -47.774424 | -19.008700 | 2172.781911 |
| -47.774166 | -19.043847 | 2897.092502 |
| -47.773958 | -19.007574 | 2179.670924 |
| -47.773121 | -19.008533 | 2236.769862 |
谁能告诉我该怎么做？
我们可以使用 .groupby 聚合方法来替代 Andrej 的使用 .apply 并计算每行的方法。
虽然它确实解决了我们的问题，但由于缺乏矢量化，.apply 方法对于大型数据集往往会变得更慢。
此外，当与 'inplace=True' 一起使用时，reset_index 的工作速度会更快。
%%timeit
df.groupby(['lat', 'lon']).agg(pd.Series.mode).reset_index(inplace=True)
希望有帮助！！
您可以将
.groupbySeries.modex = df.groupby(["lon", "lat"])["output"].apply(lambda x: x.mode()[0])
print(x.reset_index())
打印：
lon lat output
0 -47.812224 -19.043365 1890.283215
1 -47.812014 -19.007094 1813.785728
2 -47.811177 -19.008053 1763.091936
3 -47.774424 -19.008700 2172.781911
4 -47.774166 -19.043847 2897.092502
5 -47.773958 -19.007574 2179.670924
6 -47.773121 -19.008533 2236.769862