Pandas - 如何从基于另一个子集的子集中删除重复项

Question

我有 2 个具有相似列的子集，但它们共有的一列是A列。

我有左 df L和右 df R 。

我想确保从L中删除所有在L中看到的列A任何重复项，这些重复项也在 df R中 - 整个列。

如何做到这一点？

import pandas as pd
L_df = pd.DataFrame({'A': ['bob/is/cool', 'alice/is/cool', 'jim/is/cool'], 
                   'view': ['A', 'B', 'B']})
R_df = pd.DataFrame({'A': ['ralf/is/cool', 'i/am/cool', 'alice/is/cool'], 
                   'view': ['A', 'B', 'C']})

我想得到这个结果，结果去掉了列A的重复值，并从L而不是R中获取重复值。

因此，如果有意义的话，我们将alice/is/cool的view值C而不是B :)

Output 将是

out = pd.DataFrame({'A': ['ralf/is/cool', 'i/am/cool', 'alice/is/cool', 'bob/is/cool', 'jim/is/cool'], 
                   'view': ['A', 'B', 'C', 'A', 'B']})

Answer 1

这会是你所追求的吗？

>>> pd.concat([R_df, L_df]).drop_duplicates(keep='first', subset='A')
               A view
0   ralf/is/cool    A
1      i/am/cool    B
2  alice/is/cool    C
0    bob/is/cool    A
2    jim/is/cool    B

注意：这是根据您的描述进行的疯狂猜测。

它将不加选择地删除任何重复项（在 R 内、L 内或两者的串联中）并仅保留第一个。

您可能需要更微妙的案例处理，具体取决于您拥有的副本的位置和数量，但如果没有更强大的示例集，就很难判断。