借助Pandas删除数组错误值，保留重复时间t对应的最大位移x

Pandas 方案（推荐，你已经用Pandas导入了数据，直接用原生接口最优） #

有两种常用实现，适配不同场景：

• 仅需要保留t和对应最大x两列：用groupby直接聚合取最大值

import pandas as pd

# 你的原始导入数据df示例：
# df = pd.DataFrame({'t': [1,2,3,4,5,3,1,7], 'x': [2,3,4,5,5,3,1,5]})

# 按t分组取x的最大值
res = df.groupby('t', as_index=False)['x'].max()

• 需要保留x最大值所在行的其他字段（如果你的数据除了t、x还有别的列）：先排序再去重

# 按t升序、x降序排序，保证每个t的第一条就是x最大的行
df_sorted = df.sort_values(by=['t', 'x'], ascending=[True, False])
# 按t去重，保留第一条
res = df_sorted.drop_duplicates(subset='t', keep='first')

二维数组（Numpy）方案 #

如果你已经把数据转成了纯numpy二维数组，可以用如下方法实现：

import numpy as np

# 示例数组，第一列为t，第二列为x
# arr = np.array([[1,2],[2,3],[3,4],[4,5],[5,5],[3,3],[1,1],[7,5]])

# 按t升序、x降序排序
sorted_arr = arr[np.lexsort((-arr[:,1], arr[:,0]))]
# 提取每个t第一次出现的索引（对应x最大的行）
_, unique_idx = np.unique(sorted_arr[:,0], return_index=True)
res_arr = sorted_arr[unique_idx]

结果验证 #

你的示例数据运行后输出如下，符合要求：

内容的提问来源于stack exchange，提问作者Ali AlCapone