基于两列删除熊猫数据框中的重复项
数据框是一种二维的、大小可变的表格数据结构，带有标记的轴(行和列)。它可以包含重复的条目，删除它们有几种方法。
让我们考虑以下数据集。
dataframe 在 order_id 和 customer_id 列中包含重复值。以下是基于两列从数据框中删除重复值的方法。
方法 1:使用 drop_duplicates()
进场:
- 我们将基于两列删除重复的列
- 让这些列为“订单 id”和“客户 id”
- 仅保留最新条目
- 重置数据帧的索引
下面是上述方法的 python 代码。
蟒蛇 3
# import pandas library
import pandas as pd
# load data
df1 = pd.read_csv("super.csv")
# drop rows which have same order_id
# and customer_id and keep latest entry
newdf = df1.drop_duplicates(
subset = ['order_id', 'customer_id'],
keep = 'last').reset_index(drop = True)
# print latest dataframe
display(newdf)
输出:
方法二:使用 groupby()
进场:
- 我们将根据两列对行进行分组
- 让这些列为“订单 id”和“客户 id”
- 只保留第一个条目
下面给出了上述方法的 python 代码。
蟒蛇 3
# import pandas library
import pandas as pd
# read data
df1 = pd.read_csv("super.csv")
# group data over columns 'order_id'
# and 'customer_id' and keep first entry only
newdf1 = df1.groupby(['order_id', 'customer_id']).first()
# print new dataframe
print(newdf1)
输出:
