如何对DataFrame按ID去重，按优先级规则保留最高等级的Class值

核心思路 #

• 为Class字段配置优先级权重，优先级越高对应数值越大
• 按ID分组后筛选出每组优先级最高的记录即可

可运行代码示例 #

import pandas as pd

# 1. 构造示例数据集
df = pd.DataFrame({
    'Id.': [111, 111, 111, 222, 333, 333],
    'Class': ['Metro', 'Urban', 'Rural', 'Rural', 'Urban', 'Metro']
})

# 2. 定义Class优先级映射：Metro > Urban > Rural
priority_map = {'Metro': 3, 'Urban': 2, 'Rural': 1}
df['priority'] = df['Class'].map(priority_map)

# 3. 按Id.分组取优先级最高的记录
# 方法1：排序后去重
result = df.sort_values('priority', ascending=False).drop_duplicates('Id.').sort_values('Id.').drop('priority', axis=1)

# 方法2：groupby + idxmax（代码更简洁）
# result = df.loc[df.groupby('Id.')['priority'].idxmax()].drop('priority', axis=1)

print(result)

输出结果 #

Id.  Class
0  111  Metro
3  222  Rural
5  333  Metro

内容的提问来源于stack exchange，提问作者Bikash Jha