基于y列

Question

我有一个等同于：

的数据框（＆＃34; df＆＃34;）

   Cat   Data
    x    0.112
    x    0.112
    y    0.223
    y    0.223
    z    0.112
    z    0.112

换句话说，我有一个类别列和一个数据列，数据值不会在类别列的值内变化，但它们可能在不同类别之间重复（即类别中的值＆＃39; x＆＃ 39;和＆＃39; z＆＃39;是相同的 - 0.112）。这意味着我需要从每个类别中选择一个数据点，而不是仅仅选择＆＃34;数据＆＃34;的唯一值。

我做的方式是这样的：

    aLst = []
    bLst = []
    for i in df.index:
        if df.loc[i,'Cat'] not in aLst:
            aLst += [df.loc[i,'Cat']]
            bLst += [i]

    new_series = pd.Series(df.loc[bLst,'Data'])

然后我可以用它做任何我想做的事。但问题是，这似乎是一种笨拙，不py式的做事方式。有什么建议？

Answer 1

我认为你需要drop_duplicates：

#by column Cat
print (df.drop_duplicates(['Cat']))
  Cat   Data
0   x  0.112
2   y  0.223
4   z  0.112

或者：

#by columns Cat and Value
print (df.drop_duplicates(['Cat','Data']))
  Cat   Data
0   x  0.112
2   y  0.223
4   z  0.112