如何按指定优先级对product_number列去重生成唯一DataFrame？

核心思路 #

先给不同产品名称定义优先级权重（遵循Product A > B > C的规则，其他产品优先级默认最低），再按product_number分组，每组保留优先级最高的记录。

实现步骤 #

• 定义优先级映射字典：明确A、B、C的优先级顺序，其他产品可按需设置默认优先级
• 给原DataFrame添加优先级列：将product_name转换为对应的优先级数值
• 分组排序去重：按product_number分组，组内按优先级降序排列，取第一条记录即为该组优先级最高的条目

代码示例 #

import pandas as pd

# 模拟原始数据
raw_data = {
    'product_number': ['1000003', '1000003', '1000005', '1000005', '1000006', '1000006', '1000007'],
    'product_name': ['Product B', 'Product A', 'Product C', 'Product A', 'Product C', 'Product B', 'Product D'],
    'sku_info': ['SKU001', 'SKU002', 'SKU003', 'SKU004', 'SKU005', 'SKU006', 'SKU007']
}
df = pd.DataFrame(raw_data)

# 设定优先级：A(3) > B(2) > C(1)，未指定的产品默认优先级0
priority_dict = {'Product A': 3, 'Product B': 2, 'Product C': 1}
df['priority_score'] = df['product_name'].map(priority_dict).fillna(0)

# 按产品编号分组，保留优先级最高的记录
unique_df = df.sort_values('priority_score', ascending=False)\
              .groupby('product_number', as_index=False)\
              .first()

# 移除临时优先级列
unique_df = unique_df.drop('priority_score', axis=1)

print(unique_df)

输出结果 #

product_number product_name sku_info
0        1000003    Product A   SKU002
1        1000005    Product A   SKU004
2        1000006    Product B   SKU006
3        1000007    Product D   SKU007

灵活调整 #

如果后续需要新增产品优先级，只需修改priority_dict即可，比如添加'Product E': 4就能让E的优先级高于A。

内容的提问来源于stack exchange，提问作者Tenserflu