如果使用python在excel中找到重复的数据，如何删除下一行？

Question

如果使用python在excel中找到重复的数据，有人知道如何删除下一行吗？

以下是我的输入数据(输入数据只有2列)：

col_1   col_2
1       number 2.37
2       number 2.8
3       number 3.4
4       number 
5       number 
6       number 
7       number 2.62
8       number 3.1
9       number 2.6

如果找到重复的数据，则应从重复的数据开始删除行的其余部分。在这种情况下，上面的输入数据显示第4行到第6行是重复的数据，这意味着检测到重复的数据，直到第9行的列末尾的第4行应该被删除。

因此，输出应该是这样的(输出数据只有2列)：

col_1   col_2
1       number 2.37
2       number 2.8
3       number 3.4

这是我的代码：(但我的代码似乎没有达到我的目标)

df = pd.read_excel(path_to_the_file)
df = df[~df.col_1.str.match('number')]
df.to_excel(path_to_the_file)

任何帮助都将不胜感激，谢谢！

Answer 1

df = pd.read_excel(path_to_the_file)
index=df[df.duplicated(['col_2']) == True].values[0][0]
df2 = df.iloc[:index-2]
print(df2)

output:
   col_1       col_2
0      1  number2.37
1      2   number2.8
2      3   number3.4

Answer 2

您所要求的情况(独立于哪个列是哪个或什么‘复制数据’的意思)需要一个循环，因为切片有它自己的方式，它并不意味着是一个迭代函数。但是，在您的问题中，所陈述的内容确实取决于在(“下一行”)某个点上找到的数据。因此，一旦您找到数据被复制的位置(如果确实是这样的话)，就应该使用切片。

dataframe.str.match()函数返回一个完整的系列，该系列将告诉您是否对数据文件中的每一行进行匹配。sum函数通过在系列中将强制的布尔值添加到int来获得总匹配。如果有多个匹配(当前行+一个)，并且只有到那时，您才能从那时开始分割df。第一行不能重复(第一行不需要检查)。

你想要达到的目标的具体去向可以从这个例子中得到解决。

import pandas as pd

for idx,row in df[1:].iterrows(): 
    if df.col_2.str.match(df.loc[idx].col_2).sum() > 1: 
        print("found at", idx) 
        df = df[:idx] 
        break

请记住，这只是一个开箱即用的示例，不应该使用break，您应该使用elif并显式定义代码的行为。