Question

我知道之前也曾问过类似的问题，但是它们似乎并没有对我的问题有所帮助，所以我决定提出一个新问题。

我拥有的是三个独立的数据框-我们将它们称为a，b和c-合并为一个大数据框。在这三个DataFrame的每一个中，可能有重复的列值对我想删除，但是条件是，如果该对值属于DataFrame c，那么我想保留该对。例如：

>>> a.head()
    unit    value    target
 0   3       23       'a'
 1   2       24       'd'
 2   8       56       'e'
 3   9       89       'p'
 4   0       32       'q'

>>> b.head()
    unit    value    target
 0   3       34       'a'
 1   2       36       'd'
 2   8       23       'a'
 3   9       89       'p'
 4   0       48       'm'

>>> c.head()
    unit    value    target
 0   3       34       'a'
 1   5       23       'a'
 2   2       48       'm'
 3   9       56       'e'
 4   0       98       'z'

我要在其中查找重复项的特定列是（value，target）。如您所知，共有四种不同的重复方案：（a，b），（b，c），（a， c，（a，b，c）。在上面的示例中，在每种情况下都会出现的（value，target）对将是：（89，'p'），（34，分别为'a'，{{1}，56）和{{1}，'e'）。

如果重复出现在（23，'a'）中，这不是一个大问题，因为我可以简单地从其中之一中进行选择，但是如果它出现在其他三种情况中的任何一种中，我想要从a中选择一对，并丢弃b和/或c中的重复项。

我最初的想法是使用以下代码：

由于我们要在串联的DataFrame b的末尾添加>>> df = pd.concat([a, b, c], axis=0) >>> df.drop_duplicates(subset=['value', 'target'], keep='last', inplace=True)，因此如果该值重复出现，我们可以保证保留该值。但是，我想知道是否有人知道（c，df）的出现方式，我们会随机选择一个，如果包含a，那么我们总是选择{ {1}}。

谢谢。

Answer 1

在结合sample之前，我们可以使用c

a_b=pd.concat([a,b]).sample(n=len(a)+len(b))
new=pd.concat([a_b,c]).drop_duplicates(['value', 'target'], keep='last')
new
Out[11]: 
   unit  value target
1     2     24    'd'
4     0     32    'q'
3     9     89    'p'
1     2     36    'd'
0     3     34    'a'
1     5     23    'a'
2     2     48    'm'
3     9     56    'e'
4     0     98    'z'

如何使用条件保留特定列值的方式删除Pandas DataFrame行

1 个答案: