Question

我有一个DataFrame df，其中填充有重复ID的行和列：

Index   A   B   
0   0.00    0.00    
1   0.00    0.00    
29  0.50    105.00  
36  0.80    167.00  
37  0.80    167.00  
42  1.00    209.00  
44  0.50    105.00  
45  0.50    105.00  
46  0.50    105.00  
50  0.00    0.00    
51  0.00    0.00    
52  0.00    0.00    
53  0.00    0.00

当我使用时：

    df.drop_duplicates(subset=['A'], keep='last')

我得到：

Index   A   B   
37  0.80    167.00  
42  1.00    209.00  
46  0.50    105.00
53  0.00    0.00

这有意义，那就是函数的作用。但是，我实际上想要实现的是这样的：

Index   A   B   
1   0.00    0.00    
29  0.50    105.00  
37  0.80    167.00  
42  1.00    209.00  
46  0.50    105.00  
53  0.00    0.00

基本上从A列的每个子部分开始（0,0），（0.80、0.80）等。选择最后一个值。

同样重要的是，A列中的值按此顺序保持为0； 0.5; 0.8; 1; 0.5; 0，不会混在一起。

Answer 1

将Series.ne与Series.shift进行比较，并按boolean indexing进行过滤：

df1 = df[df['A'].ne(df['A'].shift(-1))]
print (df1)
         A      B
Index            
1      0.0    0.0
29     0.5  105.0
37     0.8  167.0
42     1.0  209.0
46     0.5  105.0
53     0.0    0.0

详细信息：

print (df['A'].ne(df['A'].shift(-1)))
Index
0     False
1      True
29     True
36    False
37     True
42     True
44    False
45    False
46     True
50    False
51    False
52    False
53     True
Name: A, dtype: bool

pandas.Series.drop_duplicates用于从列的子部分中选择单个值

1 个答案: