Question

我找不到解决此问题的任何方法； this is the closest I guess, but I can't figure out how to implement the ideas here.

我以某种方式发现自己正在看这样的数据框：

data = [['apple', 'banana','pear','mango'], ['pasta', 'pasta','pasta','pasta'], ['onion', 'tomato','celery','potato'], ['dog', 'dog','dog','dog']]
df = pd.DataFrame(data) 
df

哪个输出：

        0   1         2     3
0   apple   banana  pear    mango
1   pasta   pasta   pasta   pasta
2   onion   tomato  celery  potato
3   dog     dog     dog     dog

第二行和第四行在所有4列中都具有相同的值，而我想摆脱它们，因此最终的df如下所示：

        0   1         2     3
0   apple   banana  pear    mango
1   onion   tomato  celery  potato

使用drop_duplicates()不会执行任何操作，因为没有重复的行。与duplicated()相同。

以下是我能想到的唯一想法（如果可以这样称呼）。如果我跑

df.transpose()

我明白了

        0   1       2        3
0   apple   pasta   onion   dog
1   banana  pasta   tomato  dog
2   pear    pasta   celery  dog
3   mango   pasta   potato  dog

现在，如果我在第4列上运行duplicated()：

df.duplicated(3)

我明白了

0    False
1     True
2     True
3     True
dtype: bool

因此，也许我可以提出一个将df转置的函数，在每列上运行duplicated()，如果除第一个以外的所有值都返回True，则将该列删除将df变回其原始形状。

但是我不知道该怎么做。另外，我想知道是否有更优雅的到达同一个地方的方法。

Answer 1

您可以将axis=1与df.nunique()一起使用，并检查所有列的唯一值均超过1的行。

每个文档：nunique()

计算请求轴上的不同观测值。

因此，如果我们进行测试：

df.nunique(1)

这将输出：

自然地

df.nunique(1)>1

会返回：

0     True
1    False
2     True
3    False

因此，在boolean indexing的帮助下，我们可以做到：

df[df.nunique(1)>1]

哪个返回所需的输出：

       0       1       2       3
0  apple  banana    pear   mango
2  onion  tomato  celery  potato

跨列删除具有相同单元格值的任何行

1 个答案: