按列 a 删除 Dataframe 中的重复行，同时保留包含列 b 中列表值的行

Question

     address    issue
row_1   1   No Issue
row_2   1   Value
row_3   1   None
row_4   2   None
row_5   2   Test
row_6   2   None
row_7   3   Example
row_8   4   None
row_9   5   None
row_10  5   None
row_11  5   None
row_12  5   None
row_13  6   No Issue
row_14  6   Example
row_15  6   None

鉴于上述数据框，我想删除“地址”列上的重复项。 但是，对于每个重复的组，我想保留下面列表中具有问题列值的行，并删除其余的行。

issue_list = ['Value', 'Test', 'Example', 'Sample', 'Signal']

如果重复组在上述列表中没有任何问题值（例如 address == 5 如何具有所有“无”问题值），则可以删除重复项而不必担心保留哪个，但我确实想保留最后一个。

因此所需的输出数据帧如下所示：

     address    issue
row_2   1   Value
row_5   2   Test
row_7   3   Example
row_8   4   None
row_12  5   None
row_14  6   Example

到目前为止，我已经尝试了很多东西，但我认为我很困难。 在删除重复项之前对问题列进行排序似乎是一个不错的选择，但我的问题是数据没有得到很好的维护，并且“无”问题可能是任何响应（无问题，否，拼写错误）使按字母顺序排列系统不可靠。 展望未来，更多问题将添加到 issue_list，因此我正在尝试利用值列表。 我也想过将问题编码为数字，然后以这种方式排序，但在采取这一步之前，我想我会在这里问，因为我觉得应该有一个解决方案。 我试过了：

df.loc[(df['issue'].isin(issue_list)) | ~df['address'].duplicated(keep=False)]

哪个返回：

    address issue
row_2   1   Value
row_5   2   Test
row_7   3   Example
row_8   4   None
row_14  6   Example

这很接近，但它跳过了地址 5（具有所有“无”问题值的地址）。 对不起，如果这是一个重复的问题，我发现了很多关于 drop_duplicates 函数的问题，但我的情况似乎更独特。

感谢您的时间和帮助。

Answer 1

我们可以把它分成几个步骤：

第 1 步：为issue_list行创建一个布尔值

df["issue_isin_list"] = df.issue.isin(issue_list)

第 2 步：为每一行创建一个分组并获取新创建的布尔列的总和：

df["issue_temp"] = df.groupby("address").issue_isin_list.transform(sum)

第 3 步：创建一个过滤器，其中df.issue_isin_list == 1或df.issue_temp == 0 ：

filter_condition = (df.issue_isin_list == 1) | (df.issue_temp == 0)

第 4 步：现在使用上述条件进行过滤，并删除address和issue列上的重复项：

df.loc[filter_condition, ["address", "issue"]].drop_duplicates(["address", "issue"])

        address issue
row_2   1   Value
row_5   2   Test
row_7   3   Example
row_8   4   None
row_9   5   None
row_14  6   Example