熊猫：过滤组中的唯一值

Question

我在超市里有一个包含销售信息的数据框。 数据框中的每一行代表一个项目，具有多个特征作为列。 原始的DataFrame是这样的：

In [1]: import pandas as pd
        my_data = [{'ticket_number' : '001', 'ITEM' : 'vegetable', 'ticket_line' : '1'},
               {'TICKET_NUMBER' : '001', 'ITEM' : 'vegetable', 'TICKET_ROW' : '2'},
               {'TICKET_NUMBER' : '001', 'ITEM' : 'soup', 'TICKET_ROW' : '3'},
               {'TICKET_NUMBER' : '002', 'ITEM' : 'soup', 'TICKET_ROW' : '1'},
               {'TICKET_NUMBER' : '002', 'ITEM' : 'drink', 'TICKET_ROW' : '2'},
               {'TICKET_NUMBER' : '003', 'ITEM' : 'meat', 'TICKET_ROW' : '1'},
               {'TICKET_NUMBER' : '003', 'ITEM' : 'vegetable', 'TICKET_ROW' : '2'},
               {'TICKET_NUMBER' : '003', 'ITEM' : 'meat', 'TICKET_ROW' : '3'}]
        df = pd.DataFrame(my_data)

In [2]: df
Out [2]:    
            TICKET_NUMBER   TICKET_ROW        ITEM
         0        001            1           vegetable
         1        001            2           vegetable
         2        001            3           soup
         3        002            1           soup
         4        002            2           drink
         5        003            1           meat
         6        003            2           vegetable
         7        003            3           meat

我想过滤掉属于同一票证的重复项目。 例如，在第一张票（TICKET_NUMBER == 001）中，有2种蔬菜，所以我想删除其中的一种。 票号003与肉类相同。

所以，最终的数据集看起来像这样：

        TICKET_NUMBER   TICKET_ROW        ITEM
     0        001            1           vegetable
     1        001            3           soup
     2        002            1           soup
     3        002            2           drink
     4        003            1           meat
     5        003            2           vegetable

我的猜测是groupby TICKET_NUMBER，然后通过过滤项unique() df.groupby(['TICKET_NUMBER','TICKET_ROW'])['ITEM'].unique() 一旦我获得了唯一的值，我想将这些组（类型为“ungroupby”）反转为DataFrame。 那可能吗？

我确信还有其他方法可以做我正在寻找的东西。 请帮忙！

谢谢！

Answer 1

我觉得你很亲密。 看起来在重复的情况下使用第一个TICKET_ROW就足够了，我们可以使用as_index=False来保持看起来像原始数据帧。 所以我们可以按TICKET_NUMBER和ITEM进行分组并获取第一个TICKET_ROW：

df.groupby(["TICKET_NUMBER", "ITEM"], sort=False, as_index=False)["TICKET_ROW"].first()

这使

In [46]: df.groupby(["TICKET_NUMBER", "ITEM"], sort=False, as_index=False)["TICKET_ROW"].first()
Out[46]: 
  TICKET_NUMBER       ITEM TICKET_ROW
0           001  vegetable          1
1           001       soup          3
2           002       soup          1
3           002      drink          2
4           003       meat          1
5           003  vegetable          2