如何基于Package.ID和WeekID去重并保留Version最大值的行？

这问题我熟！处理这种按Package.ID和WeekID双列去重、同时保留每组Version最大值行的需求，用Pandas有两种高效且直观的方法，完全适配你的30万行数据量：

方法一：排序后去重（直观易懂） #

核心思路是先让每组内的行按Version降序排列，这样每组里Version最大的行会排在最前面，再删除双列重复的行时保留第一个即可：

import pandas as pd

# 假设你的DataFrame名为df
# 按Package.ID、WeekID升序，Version降序排序
df_sorted = df.sort_values(
    by=['Package.ID', 'WeekID', 'Version'],
    ascending=[True, True, False]
)

# 删除Package.ID和WeekID重复的行，保留第一个（即Version最大的行）
df_result = df_sorted.drop_duplicates(
    subset=['Package.ID', 'WeekID'],
    keep='first'
)

# 可选：重置索引，让结果更整洁
df_result = df_result.reset_index(drop=True)

方法二：分组取最大索引（内存友好） #

如果你的数据量特别大，这种方法在内存使用上会更高效——先通过分组找到每组Version最大值对应的行索引，再直接提取这些行：

# 获取每组（Package.ID + WeekID）中Version最大的行的索引
max_version_indices = df.groupby(['Package.ID', 'WeekID'])['Version'].idxmax()

# 根据索引提取目标行
df_result = df.loc[max_version_indices].reset_index(drop=True)

效果验证 #

针对你给出的示例数据，两种方法都会得到你期望的结果：

• 对于Package.ID=2803789且WeekID=201605的分组，会保留Version=4.2的Brad行；
• 其他无重复双列的行都会完整保留。

注意事项 #

• 确保Version列是数值类型（int/float），否则无法正确比较大小；
• 如果同一分组内有多个行的Version值相同且都是最大值，两种方法都会保留该组中最先出现的那一行，符合常规需求。

内容的提问来源于stack exchange，提问作者Joey