Блог

У меня есть такой пример фрейма данных, как этот.

 animal  color  price
rabit   red    10
turtle  green  15
rabit   red    12
turtle  green  15
turtle  green  10
sheep   white  5
sheep   white  5
 

Если значения в животном и цвете такие же, как в строке 1 и строке 3, но цена отличается, верните строки с другой ценой. Результаты должны быть примерно такими:

 animal  color  price
rabit   red    10
rabit   red    12
turtle  green  15
turtle  green  10
 

Спасибо.

Попробуйте это —

Обязательно используйте drop_duplicates() первый, перед использованием pd.duplicated с keep=False , по назначению.

 out = df.drop_duplicates()
out = out[out.duplicated(subset=['animal','color'], keep=False)]
print(out)
 

    animal  color  price
0   rabit    red     10
1  turtle  green     15
2   rabit    red     12
4  turtle  green     10
 

ПРИМЕЧАНИЕ!!: Если вы используете drop_duplicates() в качестве второго шага, вы получите неожиданный результат, как показано ниже.

 out = df[df.duplicated(subset=['animal','color'], keep=False)]
out = out.drop_duplicates()
print(out)
 

    animal  color  price
0   rabit    red     10
1  turtle  green     15
2   rabit    red     12
4  turtle  green     10
5   sheep  white      5
 

Почему это происходит?

Интуитивно drop_duplicates() удаляет дубликаты на основе всех столбцов вместе и df.duplicated(keep=False) помечает все дубликаты на основе 2 заданных столбцов.

Сценарий 1: Удалите все строки с одинаковыми 2 столбцами и ценой, затем сохраните дубликаты на основе 2 столбцов > Это означает, что у вас останутся строки с разными ценами, но дублирующие 2 столбца.

Сценарий 2: Сохраните все строки, которые дублируются, на основе 2 столбцов (что ничего не удалит в этом примере). Затем отбросьте повторяющиеся строки, в которых цена одинакова. В итоге получается то же самое, что просто отбрасывать повторяющиеся строки по всем столбцам.

Вы можете использовать эту duplicated функцию для получения требуемых выходных данных. Как только вы это сделаете, вы можете использовать функцию drop_duplicates для удаления строк, которые полностью похожи.

 duplicates = df[df.duplicated(subset=['animal','color', keep = False)]
duplicates = duplicates.drop_duplicates()

print(duplicates)