python - 删除包含 2 列子集的重复项，但另一列必须不同？

Question

我有一个数据框df：

df = pd.DataFrame({
        "po": [1, 2, 1, 1]
      , "msn": [111, 222, 111, 111]
      , "delivery_time": ["2021-09-01", "2021-09-01", "2021-09-05", "2021-09-08", ]
      , "amount": [10, 20, 30, 40]
      , "source": ["A", "B", "C", "C"]})

	采购订单	产品编号	交货时间	数量	资源
0	1	111	2021-09-01	10	一个
1	2	222	2021-09-01	20	乙
2	1	111	2021-09-05	30	C
3	1	111	2021-09-08	40	C

我想用 (subset=["PO", "PRODUCT_NUMBER"], keep="last") 删除重复项，但 "SOURCE" 必须不同。

所以

• 第 0 行与第 2 行具有相同的“PO”+“PRODUCT_NUMBER”，但“SOURCE”不同--> 删除第 0 行
• 第 2 行具有与第 3 行相同的“PO”+“PRODUCT_NUMBER”但相同的“SOURCE”-> 保留第 2 行和第 3 行

最终结果应该是：

	采购订单	产品编号	交货时间	数量	资源
1	2	222	2021-09-01	20	乙
2	1	111	2021-09-05	30	C
3	1	111	2021-09-08	40	C

我怎么能用熊猫做到这一点？

标签： pythonpandas

Answer 1

试试两个duplicated

out = df[df.duplicated(['po','msn','source'],keep=False) | ~df.duplicated(['po','msn'],keep=False)]
Out[354]: 
   po  msn delivery_time  amount source
1   2  222    2021-09-01      20      B
2   1  111    2021-09-05      30      C
3   1  111    2021-09-08      40      C