有条件的drop_duplicates

Question

我希望根据列的值类型，删除数据type的重复行。例如，我的数据文件是：

A    B
3    4
3    4
3    5
yes  8
no   8
yes  8

如果df['A']是一个数字，我想要drop_duplicates()。

如果df['A']是一个字符串，我希望保留副本。

因此，预期的结果将是：

A    B
3    4
3    5
yes  8
no   8
yes  8

除了使用for循环之外，还有Pythonic的方法吗？谢谢!

Answer 1

创建一个新的列C：如果A列是数字的，那么在C中分配一个公共值，否则在C中分配一个唯一的值。

在那之后，drop_duplicates就像平常一样。

注意:有一个很好的isnumeric()方法来测试单元格是否类似于数字。

In [47]:

df['C'] = np.where(df.A.str.isnumeric(), 1, df.index)
print df
     A  B  C
0    3  4  1
1    3  4  1
2    3  5  1
3  yes  8  3
4   no  8  4
5  yes  8  5
In [48]:

print df.drop_duplicates()[['A', 'B']] #reset index if needed
     A  B
0    3  4
2    3  5
3  yes  8
4   no  8
5  yes  8

Answer 2

这个解决方案更冗长，但对于更复杂的测试可能更灵活：

def true_if_number(x):
    try:
        int(x)
        return True
    except ValueError:
        return False

rows_numeric = df['A'].apply(true_if_number)

df['A'][rows_numeric].drop_duplicates().append(df['A'][~rows_numeric])