删除具有重叠项目的行

Question

我有一个数据框，如下所示：

​

Customer 1  Customer 2  Customer 3
A               B            C
B               C            D 
C               D            E
D               E            F
E               F            G

​

商店里不断有顾客光顾。我想在一小时内创建一排前3位顾客。随着客户的不断到来，它不断地取走组3并排成一行。虽然我不想形成严格的1-2，2-3等小时线。

我只想知道，如果客户B和C包含在第一行中，那么它们就不应该被计算在第二行中。我想删除有重叠项的行，只保留唯一的行。因此，我的预期输出将是：

​

Customer 1  Customer 2  Customer 3
A               B            C
D               E            F
G               

​

如何做到这一点，请帮助。谢谢

Answer 1

这是我对此的看法，还没有准备好，但应该会为你指明正确的方向，欢迎进行任何编辑

首先，让我们设置数据

df = pd.DataFrame(data={
    "Customer 1": ["A", "B","C","D", "E"],
    "Customer 2": [ "B","C","D", "E", "F"],
    "Customer 3": ["C","D", "E", "F", "G"],
})

在NumPy上工作会更好，所以让我们创建一个包含NumPy 2d数组的变量

df_np = df.values

df_np.flatten()[:6] # This will flatten the list and will only take the first 6 items to be able to reshape it later

np.unique(df_np) # Removes all duplicates so we will be only left with data shape that can be rebuilt into a DataFrame

现在，让我们将其重塑为原始形状

np.reshape(c, (-1, 3))

您现在可以重新构建数据帧

pd.DataFrame(data=c, columns=df.columns)

我找不到一种方法来照顾G，正如我以前说过的那样，这不是一个完整的解决方案，所以欢迎任何编辑

Answer 2

说明：

首先，我们得到所有的unique values across rows。根据请求将唯一值numpy数组组合在一起，一次取3个值，并用dataframe值填充其余未填充的列，然后将其转换回invalid。

import numpy as np
import pandas as pd

df = pd.DataFrame({"Customer 1" : ["A","B","C","D","E"],
                  "Customer 2" : ["B","C","D","E","F"],
                  "Customer 3" : ["C","D","E","F","G"]})



unique_vals = pd.unique(df[['Customer 1', 'Customer 2', 'Customer 3']].values.ravel('K'))

new_shape = unique_vals.size + 3 - unique_vals.size % 3

new_df_source = np.full(new_shape, fill_value = "invalid")

new_df_source.flat[:unique_vals.size] = unique_vals

new_df_source = new_df_source.reshape(-1,3)
output_df = pd.DataFrame(new_df_source, columns=df.columns)

结果：

  Customer 1 Customer 2 Customer 3
0          A          B          C
1          D          E          F
2          G    invalid    invalid

警告： output_df中的行可能根本不会出现在input df中，因为我们正在查看唯一值并将它们分组在一起，尽管我们仍然保持唯一值的相对顺序。