python - 在 Python Pandas 的多列中只保留唯一的重复行

Question

考虑如下数据帧：

>>> df
        brand  style  rating
    0  Yum Yum   cup     4.0
    1  Yum Yum   cup     4.0
    2  Nissin    cup     3.5
    3  Indomie  pack    15.0
    4  Indomie  pack     5.0

根据列保持重复非常容易：品牌和风格使用：

df = df[df.duplicated(['brand', 'style'], keep=False)]

输出：

>>> df = df[df.duplicated(['brand', 'style'], keep=False)]
>>> df
        brand  style  rating
    0  Yum Yum   cup     4.0
    1  Yum Yum   cup     4.0
    3  Indomie  pack    15.0
    4  Indomie  pack     5.0

但我只想保留的行是第 3 行和第 4 行。原因如下：

用于识别重复项的子集列是品牌和风格。第 0 行和第 1 行不是“唯一”重复项，因为样式“cup”在第 2 行中也出现过一次。但是第 3 行和第 4 行是唯一的重复项，因为“Indomie”品牌和“pack”风格都没有出现在任何其他行中。

因此，如何根据列品牌和样式保留唯一重复项，以获得如下预期输出？

>>> df
        brand  style  rating
    3  Indomie  pack    15.0
    4  Indomie  pack     5.0

标签： pythonpandas

Answer 1

df = df[~df.duplicated()] # Add this line before
df[df.duplicated(['brand', 'style'], keep=False)]
    brand   style   rating
3   Indomie pack    15.0
4   Indomie pack    5.0