我找不到任何优雅的方法来从第A
列和第B
列中选择唯一行,但不是联合选择,也不是按顺序选择。这是为了保持这两列中唯一值的"包含"交集。
我的目标是在列A
和B
之间保留尽可能多的唯一值。这些列是共同考虑的,但我正在寻找它们值的所有独特"组合"......
示例数据帧
df1 = pd.DataFrame({"A": [ "A1", "A2", "A2", "A3", "A3", ],
"B": [ "B1", "B1", "B2", "B3", "B1", ], },
index=[ 0, 1, 2, 3, 4, ])
结果:
A B
0 A1 B1
1 A2 B1
2 A2 B2
3 A3 B3
4 A3 B1
这没有任何用处...
df2 = df1.drop_duplicates( subset=[ "A", "B", ], keep="first", inplace=False, )
结果:
A B
0 A1 B1
1 A2 B1
2 A2 B2
3 A3 B3
4 A3 B1
下面的代码留下了重复的B1
可以在以后使用列B
上的drop_duplicates
将其删除,但随后A2
也将被删除,如果它与B2
一起存在于一行中,则可以保留它,因为它在原始数据帧的index=2
。
df3 = df1.drop_duplicates( subset=[ "A", ], keep="first", inplace=False, )
结果:
A B
0 A1 B1
1 A2 B1
3 A3 B3
如上所述,A2
被删除,但如果它与B2
一起存在于一行中,则可以选择保留它,因为它位于原始数据帧的index=2
。
df4 = df3.drop_duplicates( subset=[ "B", ], keep="first", inplace=False, )
A B
0 A1 B1
3 A3 B3
期望的结果:
A B
0 A1 B1
1 A2 B2
2 A3 B3
因此,我的目标是在A
列和B
列中保留尽可能多的唯一值。这些列是共同考虑的,但我正在寻找它们值的所有独特"组合"......
试试下面的代码:
df1.drop_duplicates( subset=[ "A" and "B"], keep="first", inplace=False, )
输出:
A B
0 A1 B1
2 A2 B2
3 A3 B3