如何对比相同FIPS值并保留candidatevotes更大的行的Python实现方法

你提供的数据集示例如下：

我们可以用Pandas库快速实现该需求，以下是完整操作步骤：

1. 导入依赖并读取数据 #

首先确保你已经安装了pandas库，没有安装的话可以先执行pip install pandas完成安装，之后执行如下代码读取数据：

import pandas as pd

# 请替换为你的实际数据集路径，支持csv、xlsx等多种格式，对应调整读取方法即可
df = pd.read_csv("你的数据集路径.csv")

2. 核心逻辑处理 #

根据你的需求，有三种常用实现方式，可根据实际场景选择：

方案一：分组取最大值行（无并列最大值场景首选） #

如果同一个FIPS下不会出现多个相同的最高candidatevotes，用该方案最简洁：

# 按FIPS分组，取每组中candidatevotes最大的对应行
result_df = df.loc[df.groupby('FIPS')['candidatevotes'].idxmax()]

方案二：排序后去重（可自定义并列值优先级） #

如果需要在出现并列最高票时，按其他字段规则确定保留哪条，可以调整排序规则：

# 先按FIPS升序、candidatevotes降序排序，同FIPS下最高票的行会排在最前
# 如果需要其他优先级，可在sort_values的by参数里添加对应字段，调整升降序规则
df_sorted = df.sort_values(by=['FIPS', 'candidatevotes'], ascending=[True, False])
# 按FIPS去重，只保留第一个出现的行（即最高票行）
result_df = df_sorted.drop_duplicates(subset='FIPS', keep='first')

方案三：保留所有并列最高票行 #

如果同一个FIPS下有多行candidatevotes都是最大值，且需要全部保留，可以用该方案：

# 计算每个FIPS对应的最大candidatevotes值
fips_max_vote = df.groupby('FIPS')['candidatevotes'].transform('max')
# 筛选出所有candidatevotes等于对应FIPS最大值的行
result_df = df[df['candidatevotes'] == fips_max_vote]

3. 导出处理结果 #

处理完成后可以导出为需要的格式：

# 导出为csv，index=False表示不导出pandas自带的行索引
result_df.to_csv("处理完成的数据集.csv", index=False)

内容的提问来源于stack exchange，提问作者TCL9111