根据多列中的值从数据帧中删除重复的行

Question

>>是>td style="text-align:right；">否>是>是

电子邮件			名称	已完成
[e-mail]	01-07-2022 12:40:00	james	否
[e-mail]	01-07-2022 12:10:00詹姆斯
[e-mail]	01-07-2022 12:19:00	james
[e-mail]	01-07-2022 12:30:00	james
[e-mail]	02-07-2022 08:04:00	clark
[e-mail]	02-07-2022 08:08:00	clark
[e-mail]	2022年2月7日08:13:00	clark	否
[e-mail]	02-07-2022 08:28:00		clark	否

df.sort_values('date').groupby(['email', 'name']).first().reset_index()

给出

名称日期

	索引	电子邮件	完成
0	[e-mail]	james	01-07-2022 12:10:00是
1	[e-mail]	clark	02-07-2022 08:04:00是

其他答案不一定满足要求：

我只想保留完成时的最早日期="是"，并删除所有其他行。

它们只适用于给定正确行顺序的示例。我不会相信这一点。

为此，我们首先必须只选择具有completed == 'yes'的行。例如：

res = (
df[df.completed.eq('yes')]
.sort_values('date')
.groupby(['email', 'name'], as_index=False)
.first()
)

然而，假设可能有组(name、email(不包含具有completed == 'yes'的行，但不应删除(即，在这种情况下只应考虑最近日期的要求(，则sort_values的逻辑应更改：

# sort first by df.completed == 'no', then by df.date in ascending order; 
# and then select the first row for each group (name, email)
res = (
df.sort_values(['completed', 'date'], 
key=lambda col: col.eq('no') if col.name == 'completed' else col)
.groupby(['email', 'name'], as_index=False)
.first()
)

---

输出：

>>> res
email   name                 date completed
0  [e-mail]  james  01-07-2022 12:10:00       yes
1  [e-mail]  clark  02-07-2022 08:04:00       yes

尝试.groupby，然后是.idxmin():

print(df[df.completed == "yes"].loc[df.groupby(["email", "name"])["date"].idxmin()])

打印：

email                date   name completed
1  [e-mail] 2022-01-07 12:10:00  james       yes
4  [e-mail] 2022-02-07 08:04:00  clark       yes

---

或者：按date然后按.drop_duplicates:对值进行排序

df = df[df.completed == "yes"].sort_values("date").drop_duplicates(["email", "name"], keep="first")
print(df)

---

EDIT：增加了df[df.completed == "yes"]部分。