根据数据框列中的值删除重复项

Question

Senario         
        


key              associated_keys                                    value      associated_value
KP6070  KP706010/KP706020/KP706030/KP706040/KP706050/KP706060/   AFE.706070.KP    AFE.706010.RT
KP6650  KP706610/KP706620//KP706630/KP706640/KP706650            AFE.706650.KP    AFE.706010.RT

我尝试过的python脚本。

Deduptest.groupby(['associated_keys']).max()['associated_value'].reset_index()


Deduptest.drop_duplicates(['associated_value'],keep= 'first')

预期

key                     associated_keys                               value    associated_value
KP6070  KP706010/KP706020/KP706030/KP706040/KP706050/KP706060/   AFE.706070.KP    AFE.706010.RT

我正在尝试根据associated_value列和associated_keys删除重复项。如果associated_keys中的值已经存在于该列中的任何其他行中，并且对于这两行，如果associated_value列数据相同，那么我希望该行中具有最大长度或更多数据它。

我尝试了drop_duplicates，并尝试使用长度函数，但是我一直在输出中同时获取两行。

Answer 1

尝试：

# set up the key to get proper order
df["sort_key"]=df["associated_keys"].str.len()

# sort by that key
df.sort_values("sort_key", inplace=True, ascending=False)

# drop, keeping only the first record (in sorted dataframe, so the one with highest Len)
df.drop_duplicates(subset="associated_value", keep="first", inplace=True)

# drop sort column
df.drop("sort_key", axis=1, inplace=True)