如果名称出现在任何后续行中,我想删除该行。主要是我不知道如何获得找到的重复索引,然后使用该索引号从df中删除它。
import pandas as pd
data = {'interviewer': ['Jason', 'Molly', 'Jermaine', 'Jake', 'Amy'],
'candidate': ['Bob', 'Jermaine', 'Ahmed', 'Karl', 'Molly'],
'year': [2012, 2012, 2013, 2014, 2014],
'reports': [4, 24, 31, 2, 3]}
df = pd.DataFrame(data)
#names = pd.unique(df[['interviewer', 'candidate']].values.ravel()).tolist()
mt = []
for i, c in zip(df.interviewer, df.candidate):
print i, c
if i not in mt:
if c not in mt:
mt.append(df.loc[(df.interviewer == i) & (df.candidate == c)] )
else:
continue
我的想法是使用mt
作为传递给df.drop
的列表并删除带有这些索引的行。我想要的结果是没有看到莫莉或杰梅因再次出现在指数2或4中 - df.drop([2,4], inplace=True)
。
EDITED
我找到了一种方法来创建我想要传递给它的索引列表:
import pandas as pd
data = {'interviewer': ['Jason', 'Molly', 'Jermaine', 'Jake', 'Amy'],
'candidate': ['Bob', 'Jermaine', 'Ahmed', 'Karl', 'Molly'],
'year': [2012, 2012, 2013, 2014, 2014],
'reports': [4, 24, 31, 2, 3]}
df = pd.DataFrame(data)
#print df
counter = -1
bad_rows = []
names = []
for i, c in zip(df.interviewer, df.candidate):
print i, c
counter += 1
print counter
if i not in names:
names.append(i)
else:
bad_rows.append(counter)
if c not in names:
names.append(c)
else:
bad_rows.append(counter)
#print df.drop(bad_rows)
然而,必须有一个更聪明的方法来做到这一点,也许是@Ami_Tavory回答itertools的事情?
答案 0 :(得分:1)
(在写这个答案的时候,口头描述和代码示例之间存在一些差异。)
您可以使用isin
检查某个项目是否出现在不同的列中,如下所示:
In [5]: df.candidate.isin(df.interviewer)
Out[5]:
0 False
1 True
2 False
3 False
4 True
Name: candidate, dtype: bool
因此,您可以执行类似
的操作df[~df.candidate.isin(df.interviewer)]
请注意,这与原始代码匹配,而不是后续行的规范。如果您只想在后续行中删除,我会选择itertools
,例如:
In [18]: bads = [i for ((i, cn), (j, iv)) in itertools.product(enumerate(df.candidate), enumerate(df.interviewer)) if j >=i and cn == iv]
In [19]: df[~df.index.isin(bads)]
Out[19]:
candidate interviewer reports year
0 Bob Jason 4 2012
2 Ahmed Jermaine 31 2013
3 Karl Jake 2 2014
4 Molly Amy 3 2014
此外,如果您想删除后续行,只需将内容更改为
即可In [18]: bads = [j for ((i, cn), (j, iv)) in itertools.product(enumerate(df.candidate), enumerate(df.interviewer)) if j >=i and cn == iv]
答案 1 :(得分:0)
我为我想做的事情做了一个功能。使用df.index
可以安全地用于任何数字索引。
def drop_dup_rows(df):
names = []
for i, c, ind in zip(df.interviewer, df.candidate, df.index.tolist()):
if any(x in names for x in [i, c]):
df.drop(ind, inplace=True)
else:
names.extend([i,c])
return df