如果两列中的连续值相同，如何在python中删除重复项？

Question

我有一个如下数据框：

A   B   C
1   8   23
2   8   22
3   9   45
4   9   45
5   6   12
6   4   10
7   11  12

我想删除重复项，如果C也相同，则在连续出现的地方保留第一个值。 EG在这里出现的情况'9'是B列是重复的，并且它们在'C'列中的对应出现也是在重复'45'。 在这种情况下，我想保留第一次出现。

预期产量：

A   B   C
1   8   23
2   8   22
3   9   45
5   6   12
6   4   10
7   11  12

我尝试了一些分组方式，但不知道该如何放弃。

码：

df['consecutive'] = (df['B'] != df['B'].shift(1)).cumsum()
test=df.groupby('consecutive',as_index=False).apply(lambda x: (x['B'].head(1),x.shape[0],
                                                       x['C'].iloc[-1] - x['C'].iloc[0]))

该小组归还了我一系列，但我想删除。

Answer 1

通过2列添加DataFrame.drop_duplicates ：

df['consecutive'] = (df['B'] != df['B'].shift(1)).cumsum()
df = df.drop_duplicates(['consecutive','C'])
print (df)
   A   B   C  consecutive
0  1   8  23            1
1  2   8  22            1
2  3   9  45            2
4  5   6  12            3
5  6   4  10            4
6  7  11  12            5

或用|链接这两个条件 对于按位OR ：

df = df[(df['B'] != df['B'].shift()) | (df['C'] != df['C'].shift())]
print (df)
   A   B   C
0  1   8  23
1  2   8  22
2  3   9  45
4  5   6  12
5  6   4  10
6  7  11  12

Answer 2

过滤掉此类记录的一个方法是：

df[(df[['B', 'C']].shift() != df[['B', 'C']]).any(axis=1)]

因此，在这里我们检查列['B', 'C']是否与移位的行相同，如果不相同，则保留以下值：

>>> df[(df[['B', 'C']].shift() != df[['B', 'C']]).any(axis=1)]
   A   B   C
0  1   8  23
1  2   8  22
2  3   9  45
4  5   6  12
5  6   4  10
6  7  11  12

这是相当可扩展的，因为我们可以定义一个函数，可以轻松地对任意数量的值进行操作：

def drop_consecutive_duplicates(df, *colnames):
    dff = df[list(colnames)]
    return df[(dff.shift() != dff).any(axis=1)]

因此，您可以使用以下方法进行过滤：

drop_consecutive_duplicates(df, 'B', 'C')

Answer 3

您可以计算要删除的一系列行，然后删除它们：

to_drop = (df['B'] == df['B'].shift())&(df['C']==df['C'].shift())
df = df[~to_drop]

它给出了预期的结果：

   A   B   C
0  1   8  23
1  2   8  22
2  3   9  45
4  5   6  12
5  6   4  10
6  7  11  12

Answer 4

一种简单的方法来检查B和C行之间的差异，然后如果差异为0（重复值），则丢弃值，代码为

 df[ ~((df.B.diff()==0) & (df.C.diff()==0)) ]

Answer 5

码

df1 = df.drop_duplicates(subset=['B', 'C'])  

结果

   A   B   C
0  1   8  23
1  2   8  22
2  3   9  45
4  5   6  12
5  6   4  10
6  7  11  12

Answer 6

给定以下数据框，如果我正确理解您的问题：

df = pd.DataFrame({'B': [8, 8, 9, 9, 6, 4, 11], 'C': [22, 23, 45, 45, 12, 10, 12],})

此单行代码使用drop_duplicates方法解决了您的问题：

df.drop_duplicates(['B', 'C'])

它给出了预期的结果：

    B   C
0   8  22
1   8  23
2   9  45
4   6  12
5   4  10
6  11  12

Answer 7

使用diff ， ne和any over axis=1 ：

注意：此方法仅适用于数字列

m = df[['B', 'C']].diff().ne(0).any(axis=1)
print(df[m])

产量

   A   B   C
0  1   8  23
1  2   8  22
2  3   9  45
4  5   6  12
5  6   4  10
6  7  11  12

---

细节

df[['B', 'C']].diff()

     B     C
0  NaN   NaN
1  0.0  -1.0
2  1.0  23.0
3  0.0   0.0
4 -3.0 -33.0
5 -2.0  -2.0
6  7.0   2.0

然后我们检查一行中的any值是否不等于（ ne ）等于0 ：

df[['B', 'C']].diff().ne(0).any(axis=1)

0     True
1     True
2     True
3    False
4     True
5     True
6     True
dtype: bool