熊猫：仅删除熊猫数据框中的特定重复列值

Question

我正在尝试从pandas数据框列中删除电子邮件地址的重复值，仅保留第一个原始值。但是，并非所有案例都有电子邮件地址，因此它们具有“ NaN”值。我将需要根据其他条件删除重复的NaN值。

现在，我要保留所有等于NaN的电子邮件地址，以及重复电子邮件地址的唯一副本。

例如，这是熊猫数据框的外观：

    Email
    email@email.com
    NaN
    NaN
    email@email.com
    test@test.org

我要在保留NaN值的同时删除所有重复的电子邮件地址。因此，预期结果是这样的：

     Email
     email@email.com
     NaN
     NaN
     test@test.org

已删除重复的电子邮件，但保留了NaN。任何帮助将不胜感激。

Answer 1

使用duplicated + notnull：

m = ~(df.Email.duplicated() & df.Email.notnull())

df[m]

             Email
0  email@email.com
1              NaN
2              NaN
4    test@test.org

Answer 2

将drop_duplicates与keep ='first'一起使用，将保留1并删除其他重复项

data.drop_duplicates(subset ="Email", 
                     keep = 'first', inplace = True)