如何在Pandas DataFrame中按组保留优先级最高的选择行？

需求说明 #

现有包含Group和Choice列的Pandas DataFrame，需按Group分组后，仅保留每组中优先级最高的Choice行。优先级顺序为：First Choice > Second Choice > Third Choice > Fourth Choice。由于数据规模较大，需要可扩展的高效解决方案。

示例输入 #

Group   Choice
Group1  First Choice
Group1  Second Choice
Group1  Third Choice
Group2  Third Choice
Group2  Fourth Choice
Group3  Second Choice
Group3  Fourth Choice

期望输出 #

Group   Choice
Group1  First Choice
Group2  Third Choice
Group3  Second Choice 

可复现代码 #

import pandas as pd

d = {'Group': ['Group1', 'Group1', 'Group1', 'Group2', 'Group2', 'Group3', 'Group3'], 
     'Choice': ['First Choice', 'Second Choice', 'Third Choice', 'Third Choice', 'Fourth Choice', 'Second Choice', 'Fourth Choice']}
df = pd.DataFrame(data=d)

高效解决方案 #

利用Pandas的分类类型（Categorical）指定自定义排序优先级，结合分组操作实现高效筛选，该方法适合大规模数据集：

步骤1：定义优先级并转换列类型 #

将Choice列转换为有序分类类型，指定优先级顺序，这样排序时会遵循自定义规则而非默认字典序：

priority_order = ['First Choice', 'Second Choice', 'Third Choice', 'Fourth Choice']
df['Choice'] = pd.Categorical(df['Choice'], categories=priority_order, ordered=True)

步骤2：分组筛选最高优先级行 #

按Group分组后，直接取每组中Choice优先级最高的行（由于分类类型已定义顺序，idxmin()会返回优先级最高的行索引，因为优先级越高的分类值越小）：

result = df.loc[df.groupby('Group')['Choice'].idxmin()]

验证结果 #

执行上述代码后，打印result即可得到期望输出：

print(result)

输出：

Group          Choice
0  Group1   First Choice
3  Group2    Third Choice
5  Group3  Second Choice

方案优势 #

• 效率高：分类类型的排序和分组操作均为Pandas内部优化的矢量化操作，处理大规模数据时性能远优于循环或自定义函数
• 可扩展性：若后续需要调整优先级，只需修改priority_order列表即可，无需改动核心逻辑

内容的提问来源于stack exchange，提问作者Niam45