Pandas：如果值重复，请删除另一列中具有特定值的行

Question

我有一个数据集：

id    url     keep_anyway  field
1     A.com   Yes          X
2     A.com   Yes          Y
3     B.com   No           Y
4     B.com   No           X
5     C.com   No           X 

我想删除带有条件的“url”重复项：

1. 如果“keep_anyway”=“是”，请保留重复项。
2. 对于带有“keep_anyway”=“No”的重复项，我想在“字段”列中保留“X”值的行。

预期输出为：

id    url     keep_anyway  field
1     A.com   Yes          X
2     A.com   Yes          Y
4     B.com   No           X
5     C.com   No           X 

我能够通过以下方式管理条件1：

df.loc[(df['keep_aanyway'] =='Yes') | ~df['url'].duplicated()]

但是如何设置条件2？

请注意，“field”列的可能值为X或Y，如果我有重复项，我知道我确实有一个“X”和一个“Y”值。

我想也许我可以在“字段”列中从A到Z排序然后在df.duplicated中有“keep_first”= True，但我认为它已被弃用，不是吗？

Answer 1

试试这个：

import numpy as np

duplicates = df.duplicated(subset='url')
keep_anyway_bool = df['keep_away'] == 'Yes' # (credit @acushner for pointing this out)
field_bool = df['field'] == 'X'  # (credit @acushner for pointing this out)

df[np.invert(duplicates) | keep_anyway_bool | field_bool]