根据前4个字母从Python中的数组中删除重复项

Question

我有一个邮政编码列表，例如

DD1 1DB
DD1 5PH
DD10 8JG
DD10 9LJ

我想做的是保留第一位代表，具体取决于邮政编码的第一部分，例如

我需要保留：

DD1 1DB
DD10 8JG

我正在使用pandas并将包含列POSTCODES的file.csv导入为：

df = pandas.read_csv('file.csv')
pc = df.POSTCODES

现在我完全卡住了。我设法使用Excel工作（这是更好的选择吗？）但我想学习python并决定看看我是否可以在python中完成它。

Answer 1

您可以使用df['POSTCODES'].str[:4]获取前四个字符， 并使用duplicated method来识别重复项：

In [89]: df.loc[~df['POSTCODES'].str[:4].duplicated(keep='first')]
Out[89]: 
  POSTCODES
0   DD1 1DB
2  DD10 8JG

由于duplicated(keep='first')将重复标记为True，因此我们希望保留的行将标记为False。因此，要选择df.loc的假行，~将用于invert the boolean Series。

Answer 2

pc[~pc.POSTCODES.str.split(' ', expand=True)[0].duplicated()]

正如piRSquared在评论中所暗示的那样：

pc[~pc.POSTCODES.str.split().str[0].duplicated()]

输出：

  POSTCODES
0   DD1 1DB
2  DD10 8JG

Answer 3

In[24]: f = '''\
   ...: DD1 1DB
   ...: DD1 5PH
   ...: DD10 8JG
   ...: DD10 9LJ'''.split('\n')
In[25]: d = {}
   ...: for line in f:
   ...:     left, right = line.split()
   ...:     if left not in d:
   ...:         d[left] = right
   ...: 
In[26]: d
Out[26]: {'DD1': '1DB', 'DD10': '8JG'}