Question

以下是数据框

import pandas as pd
df = pd.DataFrame({'A' : [1, 1, 2, 2, 3, 4, 5],
                   'B' : [11, 11, 12, 12, 13,14,15],
                   'C' :[0.12232, 0.12232, 0.3455, 0.3455, 0.112, 0.567, 0.8901],
                   'D' :[False, True, True, True, True, True, True],
                   'E' :[True, True, False, True, True, True, True],
                   'F' :[False, True, False, True, True, True, True]})

   A   B        C      D      E      F
0  1  11  0.12232  False   True  False
1  1  11  0.12232   True   True   True
2  2  12  0.34550   True  False  False
3  2  12  0.34550   True   True   True
4  3  13  0.11200   True   True   True
5  4  14  0.56700   True   True   True
6  5  15  0.89010   True   True   True

将drop_duplicates与数据框的子集列列表一起使用对我不起作用。请让我知道，如何以简单快速的方式完成此操作

如果列A，B，C的值重复。请检查D，E，F是否为True，将其从数据框中删除。

预期的输出数据框：

   A   B        C      D      E      F
0  1  11  0.12232  False   True  False
2  2  12  0.34550   True  False  False
4  3  13  0.11200   True   True   True
5  4  14  0.56700   True   True   True
6  5  15  0.89010   True   True   True

Answer 1

我们可以使用DataFrame.duplicated来检查 A,B and C + DataFrame.all来检查 D,E and F 。这里使用Series.mul在两个布尔系列之间执行AND操作使代码更简洁：

m =(  df.duplicated(subset = ['A','B','C'],keep = False)
        .mul(df[['D','E','F']].all(axis=1)) )
df.loc[~m]

输出

   A   B        C      D      E      F
0  1  11  0.12232  False   True  False
2  2  12  0.34550   True  False  False
4  3  13  0.11200   True   True   True
5  4  14  0.56700   True   True   True
6  5  15  0.89010   True   True   True

Answer 2

这是我的方式：

t = (df['D'] == True) & (df['E'] == True) & (df['F'] == True) # check where D, E, F are True
e = df.duplicated(subset=['A','B', 'C']) # Check duplicates in A, B, C
a = (e == True) & (e == True) # Check where duplicates are true in D, E, F
a = a.index[a].tolist() # get the index
df = df.drop(index=a) # drop duplicates True in D, E, F
print(df)

#    A   B        C      D      E      F
# 0  1  11  0.12232  False   True  False
# 2  2  12  0.34550   True  False  False
# 4  3  13  0.11200   True   True   True
# 5  4  14  0.56700   True   True   True
# 6  5  15  0.89010   True   True   True

Answer 3

考虑通过以下方式使用帮助器列进行逻辑子集

df = df.assign(grp_count = lamba x: x.groupby(['A','B','C']).transform('count'),
               sum_bool = lamba x: x.reindex['D','E','F'].sum(axis=1))

sub_df = (df[(df['grp_count'] > 1 & df['sum_bool'] != 3) | (df['grp_count'] == 1)]
           .drop(columns=['grp_count', 'sum_bool']))

根据列子集过滤数据框

3 个答案: