Pandas按Year分组，移除Code值相近行并保留Bikes最大值行

原始数据 #

首先定义示例DataFrame：

import pandas as pd

df = pd.DataFrame({
    'Code': [12, 4, 2, 35, 40, 32],
    'Bikes': [356, 378, 389, 378, 370, 350],
    'Year': [2020, 2020, 2020, 2021, 2021, 2021]
})

需求说明 #

按Year列分组处理：

• 在每组内识别Code数值差值≤3的相近值集合
• 每个相近值集合中仅保留Bikes数值最大的行，删除其余行

实现代码 #

通过自定义分组处理函数完成需求：

def process_year_group(group):
    # 按Code排序，使相近值相邻
    sorted_group = group.sort_values('Code').reset_index(drop=True)
    # 标记相近值组：当前Code与前一个差值>3时，启动新组
    sorted_group['cluster_id'] = (sorted_group['Code'].diff() > 3).cumsum()
    # 每个相近组内保留Bikes最大的行
    return sorted_group.groupby('cluster_id').apply(lambda x: x.nlargest(1, 'Bikes')).reset_index(drop=True)

# 按Year分组执行处理
result_df = df.groupby('Year', group_keys=False).apply(process_year_group)
# 重置索引优化格式
result_df = result_df.reset_index(drop=True)

print(result_df)

输出结果 #

运行代码后得到符合预期的结果：

Code  Bikes  Year
0     2    389  2020
1    12    356  2020
2    35    378  2021
3    40    370  2021

内容的提问来源于stack exchange，提问作者Gun