Python / Pandas - drop_duplicates选择最完整的行

Question

我有一个包含人员信息的数据框。然而，有时这些人会重复，有些行的信息比其他人更多。有没有办法使用列＆＃39;名称＆＃39;删除重复项？作为参考，但只保留最多的行？

Answer 1

如果你有像

这样的数据框

df = pd.DataFrame([['a',np.nan,np.nan,'M'],['a',12,np.nan,'M'],['c',np.nan,np.nan,'M'],['d',np.nan,np.nan,'M']],columns=['Name','Age','Region','Gender'])

根据nan计数对行进行排序，并使用子集＆＃39; Name＆＃39;删除重复项。保留第一个可能会有帮助，即

df['count'] = pd.isnull(df).sum(1)
df= df.sort_values(['count']).drop_duplicates(subset=['Name'],keep='first').drop('count',1)

输出：

在：

  Name   Age  Region Gender  
0    a   NaN     NaN      M  
1    a  12.0     NaN      M  
2    c   NaN     NaN      M  
3    d   NaN     NaN      M  

后：

Name   Age  Region Gender
1    a  12.0     NaN      M
2    c   NaN     NaN      M
3    d   NaN     NaN      M