如何从含重复id的数据集提取对应最高等级status的唯一结果？

我有一个包含重复id的数据集，每个id对应不同的status（Gold、Silver、Bronze），需要为每个id保留最高等级的status（优先级：Gold > Silver > Bronze），忽略其他低等级的记录。

原始数据集：

期望结果：405-Silver、402-Gold、408-Gold

方法1：Python Pandas 实现 #

通过给status分配优先级权重，分组筛选最高等级记录：

import pandas as pd

# 加载示例数据（实际使用时可替换为读取文件逻辑）
data = pd.DataFrame({
    'id': [402, 402, 402, 405, 405, 408, 408],
    'status': ['Gold', 'Silver', 'Bronze', 'Silver', 'Bronze', 'Bronze', 'Gold'],
    'Date': ['5/3/2019', '5/3/2018', '5/1/2018', '5/3/2020', '5/3/2019', '5/3/2019', '5/3/2020']
})

# 定义status优先级映射
status_rank = {'Gold': 3, 'Silver': 2, 'Bronze': 1}
data['rank'] = data['status'].map(status_rank)

# 按id分组，取优先级最高的记录
result = data.sort_values('rank', ascending=False).groupby('id').first().reset_index()

# 输出目标格式
output = [f"{row['id']}-{row['status']}" for _, row in result.iterrows()]
print('、'.join(output))

逻辑说明 #

1. 给每个status分配对应权重，等级越高权重值越大；
2. 按权重降序排序，确保同一id下最高等级记录排在首位；
3. 按id分组取第一条记录，即为该id的最高等级status；
4. 拼接成要求的字符串格式输出。

方法2：SQL 实现 #

使用窗口函数筛选每组内的最高等级记录：

WITH ranked_data AS (
    SELECT 
        id,
        status,
        ROW_NUMBER() OVER (
            PARTITION BY id 
            ORDER BY 
                CASE status 
                    WHEN 'Gold' THEN 3 
                    WHEN 'Silver' THEN 2 
                    WHEN 'Bronze' THEN 1 
                END DESC
        ) AS rn
    FROM your_table_name
)
SELECT CONCAT(id, '-', status) AS result
FROM ranked_data
WHERE rn = 1;

逻辑说明 #

1. PARTITION BY id 将数据按id分组；
2. ORDER BY CASE 定义status的排序优先级，最高等级排在前面；
3. ROW_NUMBER() 给每组内的记录编号，最高等级记录编号为1；
4. 筛选编号为1的记录，拼接成目标格式输出。

内容的提问来源于stack exchange，提问作者Aakash Singla