Question

我有一个如下的数据框。我想从一列中删除重复项，同时保持行的其余部分不变。

我想要的逻辑是 -

对于列Jan，从最后一行开始

对于最后一个单元格，如果第二行的第二行中的值与当前值相同，则只删除单元格值（不要删除行）。

并继续直到你到达第一行

sales = [{'account': '3', 'Jan': 'try', 'Feb': '200 .jones', 'URL': 'ea2018-001.pdf try bbbbb why try'},
             {'account': '1',  'Jan': 'try', 'Feb': '210', 'URL': 'try '},
             {'account': '2',  'Jan': 'bbbbb',  'Feb': '90',  'URL': 'ea2017-104.pdf bb cc for why' }]
df = pd.DataFrame(sales)
df

df
Out[105]: 
          Feb    Jan                               URL account
0  200 .jones    try  ea2018-001.pdf try bbbbb why try       3
1         210    try                              try        1
2          90  bbbbb      ea2017-104.pdf bb cc for why       2

我想要的输出如下

          Feb    Jan                               URL account
0  200 .jones    try  ea2018-001.pdf try bbbbb why try       3
1         210                                      try        1
2          90  bbbbb      ea2017-104.pdf bb cc for why       2

Answer 1

首先，确定连续值重复的内容，然后使用pd.Series.mask隐藏它们。感谢piR的改进：

df.Jan.mask(df.Jan.eq(df.Jan.shift()), '')

    0      try
    1         
    2    bbbbb
    Name: Jan, dtype: object

您可以将其分配回df.Jan。

Answer 2

要将其替换为np.nan，您可以使用以下

df.loc[df.Jan == df.Jan.shift(), "Jan"] = np.nan

其中：

df.Jan.shift()将Jan单元格中的值向上移动一次：

0    NaN
1    try
2    try
Name: Jan, dtype: object

df.Jan == df.Jan.shift()为True列中与上一行具有相同值的每一行返回Jan
df.loc[df.Jan == df.Jan.shift(), "Jan"]第一个索引选择要修改的行，第二列Jan

如果您要删除第一行而不是第二行，则在pandas.DataFrame.shift()方法中，您应将periods值指定为-1。

pandas从单个列中删除重复项，同时保持剩余的行不变

2 个答案: