Question

这里是一个示例：

df = pd.DataFrame({
    'file': ['file1','file1','file1','file1','file2','file3','file4','file4','file4','file4'],
    'text': ['Text1','Text2','Text3','Text4','Text5','Text6','Text7','Text8','Text9','Text10'],
})

我需要删除“文件”重复4次的行，因此在此示例中，我需要删除文件= file1和file4的行

Answer 1

使用GroupBy.transform获取每个组的值计数，因此可以通过boolean indexing进行过滤：

df1 = df[df.groupby('file')['file'].transform('size') != 4]

说明：要使用transform，必须在groupby之后指定一些列进行计数-如果使用size，则使用DataFrame的任何列都可以工作，并且返回new列（Series）的大小与原始DataFrame相同，并由计数填充：

print (df.groupby('file')['file'].transform('size'))
0    4
1    4
2    4
3    4
4    1
5    1
6    4
7    4
8    4
9    4
Name: file, dtype: int64

或使用DataFrameGroupBy.filter-如果有大数据，性能应该会变慢：

df1 = df.groupby('file').filter(lambda x: len(x) != 4)

或将Series.map与Series.value_counts：

df1 = df[df['file'].map(df['file'].value_counts()) != 4]

print (df)
    file   text
4  file2  Text5
5  file3  Text6

Answer 2

将GroupBy与transform一起使用：

df[df.groupby('file').text.transform('size').ne(4)]

   file   text
4  file2  Text5
5  file3  Text6

熊猫，按列删除重复项，重复项N次

2 个答案: