![](/img/trans.png)
[英]Filter duplicated rows based on selected columns and comparing with another dataframe in Pandas
[英]Dropping selected rows in Pandas with duplicated columns
假设我有一个像这样的数据框:
fname lname email
Joe Aaron
Joe Aaron some@some.com
Bill Smith
Bill Smith
Bill Smith some2@some.com
有没有简洁方便的方法来删除{fname,lname}重复且电子邮件为空白的行?
您应该首先检查您的“空”数据是NaN
还是空字符串。 如果它们是混合的,则可能需要修改以下逻辑。
使用pd.DataFrame.sort_values
和pd.DataFrame.drop_duplicates
:
df = df.sort_values('email')\
.drop_duplicates(['fname', 'lname'])
如果空行是字符串,则在排序时需要指定ascending=False
:
df = df.sort_values('email', ascending=False)\
.drop_duplicates(['fname', 'lname'])
print(df)
fname lname email
4 Bill Smith some2@some.com
1 Joe Aaron some@some.com
您可以将first
与groupby
一起使用(注意,请用np.nan替换为空,因为first
将返回每列的第一个非null值)
df.replace('',np.nan).groupby(['fname','lname']).first().reset_index()
Out[20]:
fname lname email
0 Bill Smith some2@some.com
1 Joe Aaron some@some.com
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.