[英]Getting ONLY unique rows from a dataframe
我正在嘗試刪除所有重復的行。 我只想要唯一的行。 我已經用 `subset = [ORDER ID, ITEM CODE] 嘗試了drop_duplicates()
的keep = False
參數, drop_duplicates()
它只是沒有做正確的事情。
假設我的數據框看起來像這樣
|ORDER ID | ITEM CODE |
123 XXX
123 YYY
123 YYY
456 XXX
456 XXX
456 XXX
789 XXX
000 YYY
我希望它看起來像這樣:
|ORDER ID | ITEM CODE |
123 XXX
789 XXX
000 YYY
如您所見,子集將同時是訂單 ID 和商品代碼列,理想情況下我們會丟失第 2-6 行。 (實際數據集有更多列。)
嘗試修改您的子集以僅包含ORDER ID
:
df.drop_duplicated(subset=['ORDER ID'])
不確定你的問題是什么。 工作正常。
import pandas as pd
data = [[123, 'XXX', 11],
[123, 'YYY', 22],
[123, 'YYY', 33],
[456, 'XXX', 44],
[456, 'XXX', 55],
[456, 'XXX', 66],
[789, 'XXX',77],
[000, 'YYY',88]]
columns = ['ORDER ID','ITEM CODE','extra column']
df = pd.DataFrame(data, columns=columns)
df = df.drop_duplicates(subset = ['ORDER ID','ITEM CODE'], keep=False)
輸出:
前
print(df)
ORDER ID ITEM CODE extra column
0 123 XXX 11
1 123 YYY 22
2 123 YYY 33
3 456 XXX 44
4 456 XXX 55
5 456 XXX 66
6 789 XXX 77
7 0 YYY 88
后
print(df)
ORDER ID ITEM CODE extra column
0 123 XXX 11
6 789 XXX 77
7 0 YYY 88
如果您無法讓 drop_duplicates 工作,您可以使用 numpy.unique 作為解決方法。
df['ORDER_ID'] = np.unique(df['ORDER_ID'])
df['ITEM_CODE'] = np.unique(df['ITEM_CODE'])
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.