Question

说我有一个熊猫数据框，例如

data = [['M', 10, 'red','apple'], 
        ['F', 15, 'blue','orange'], 
        ['M', 14, 'blue','apple'],
        ['M', 14, 'blue','apple'], 
        ['F', 14, 'blue','apple'], 
        ['M', 14, 'red',''], 
        ['M', 14, 'blue','banana'], 
        ['', 14, 'blue','apple']] 

df = pd.DataFrame(data, columns = ['Gender', 'Age', 'Color','Fruit'])

这里的性别有3个级别，M，F，丢失，颜色有2个级别，红色，蓝色，水果有4个级别，苹果，橙，香蕉，缺失，数字都没有关系

所以整个数据框中总共有9个级别，

我希望为每个级别分配一行，例如

我得到的数据帧将像

result_data = [['M', 10, 'red','apple'], 
               ['F', 15, 'blue','orange'], 
               ['M', 14, 'red',''], 
               ['M', 14, 'blue','banana'], 
               ['', 14, 'blue','apple']]

所以我为每种类别（M，F，missing_Gender，红色，蓝色，苹果，橙色，香蕉，missing_Fruit）获得了一行

我的删除条件为在result_data中，已删除的3行中的所有类别均可用

Answer 1

您可以DataFrame.drop_duplicates()，请参考this documentation。

使用subset和keep的选项，您可以实现所需的目标，即

df.drop_duplicates(subset=['Gender','Color','Fruit'], keep=False)

基本上，参数subset包含您在数据中唯一性的定义，对于上面的示例，您通过这3列定义唯一性数据。

参数keep表示保留重复的数据。这样一来，您可以保留first或last元素，并将其设置为False意味着完全删除所有重复项。

例如，定义重复项=具有唯一的gender和fruit的数据：

data=[['M', 14, 'blue','apple'],
      ['M', 20, 'red','apple'], 
      ['F', 14, 'blue','apple'], 
      ['F', 14, 'red','apple'],
      ['F', 20, 'blue','apple']]
df = pd.DataFrame(data, columns = ['Gender', 'Age', 'Color','Fruit']) 

# The code below will result in 
# 'M', 14, 'blue','apple'
# 'F', 14, 'blue','apple' 
df.drop_duplicates(subset=['Gender','Fruit'], keep='first')

# The code below will result in 
# 'M', 20, 'red','apple'
# 'F', 20, 'blue','apple'
df.drop_duplicates(subset=['Gender','Fruit'], keep='last')

# The code below will result in empty, since no duplicates
# are kept
df.drop_duplicates(subset=['Gender','Fruit'], keep=False)

希望这会有所帮助。

如何用每一列的每个唯一值的整个行来对Pandas Dataframe进行子集设置？

1 个答案: