基于条件的python Pandas:drop_duplicates()

Question

具有以下数据集：

data_input:

    A     B
1  C13D  C07H
2  C07H  C13D
3  B42C  B65H
4  B65H  B42C
5  A45B  A47C

也就是说，data_input中的第1行和第2行是相同的，我只想保留一个，所以删除第2行。

希望输出如下所示：

data_output:

    A     B
1  C13D  C07H
2  B42C  B65H
3  A45B  A47C

Answer 1

您可以基于'C'和'A'创建第三列'B'，并使用它查找副本：

df['C'] = df['A'] + df['B']
df['C'] = df['C'].apply(lambda x: ''.join(sorted(x)))
df = df.drop_duplicates(subset='C')[['A', 'B']]

Answer 2

你可以用duplicated和np.sort

In [1279]: df[~df.apply(np.sort, axis=1).duplicated()]
Out[1279]:
      A     B
1  C13D  C07H
3  B42C  B65H
5  A45B  A47C

详细信息

In [1281]: df.apply(np.sort, axis=1)
Out[1281]:
      A     B
1  C07H  C13D
2  C07H  C13D
3  B42C  B65H
4  B42C  B65H
5  A45B  A47C

In [1282]: df.apply(np.sort, axis=1).duplicated()
Out[1282]:
1    False
2     True
3    False
4     True
5    False
dtype: bool