基于两列删除重复项，同时删除不一致的数据

Question

我有一个这样的熊猫数据帧：

a  b  c
0  1  1  1
1  1  1  0
2  2  4  1    
3  3  5  0
4  3  5  0

其中前 2 列("a"和"b")是 ID，而最后一列 ('c') 是验证(0 = neg，1 = pos)。我确实知道如何根据前 2 列的值删除重复项，但是在这种情况下，我还想摆脱不一致的数据，即重复的数据都验证为正数和负数。因此，例如，前 2 行是重复的但不一致的，因此我应该删除整个记录，而后 2 行既重复又一致，所以我会保留其中一条记录。预期结果为：

a  b  c
0  2  4  1
1  3  5  0

实际数据帧每个组可以有两个以上的重复项，并且 如您所见，索引已更改。谢谢。

Answer 1

首先按GroupBy.transform过滤行，SeriesGroupBy.nunique仅获取具有boolean indexing的唯一值组，然后DataFrame.drop_duplicates

：

df = (df[df.groupby(['a','b'])['c'].transform('nunique').eq(1)]
.drop_duplicates(['a','b'])
.reset_index(drop=True))
print (df)
a  b  c
0  2  4  1
1  3  5  0

详情：

print (df.groupby(['a','b'])['c'].transform('nunique'))
0    2
1    2
2    1
3    1
4    1
Name: c, dtype: int64