如何在其他群体中保持最大的多样性？

Question

我有一个dataframe，它看起来如下(示例)：

id    val
a      4
a      6
b      2
b      4
b      8
c      3
c      4
c      6 
c      8

我想做groupby id，并为每个组保留这些值，以确保最终结果列val尽可能多样化。例如，您可以看到每个组都有val 4。最糟糕的输出是：

id   val
a     4
b     4
c     4

最好的办法是：

id   val
a     4
b     2
c     6

或所有val中的值都尽可能多样化的任何其他地方。但是，在某些情况下，val中的所有值都不可能是唯一的。

我该怎么做呢？

Answer 1

IIUC，您希望每个id获得一行，优先选择“罕见”的值。

您可以重塑以获得计数/虚拟值，然后排序以获得稀有值：

df2 = pd.crosstab(df['id'], df['val'])

out = (df2
    .sort_index(axis=1, key=df2.sum().get)
    .replace({0: pd.NA})
    .stack().reset_index()
    .drop(columns=0)
    .groupby('id', as_index=False).first()
 )

输出：

  id  val
0  a    6
1  b    2
2  c    3