Python 熊猫：如何仅选择列中具有相同键但不同值的重复行

我有一个带有列

['join key'，code'，'a'，'B'，'C'，'D']

的数据框

join键

是一个长字符串，而

code

可以等于521、539或一组其他数字

可以有具有相同的

连接键的行

我希望能够按

join key

my记录进行分组，并且只将出现在我的数据帧中的所有重复记录的

code

字段设置为521和539

我不希望这些记录可能具有相同的键和

code=521

但没有

code=539

对应项

import pandas as pd
exp_csv = pd.DataFrame([[3566190983, 521, 1, 2, 3, 4], \
                        [3566190983, 539, 1, 2, 3, 4], \
                        [3509730366, 521, 1, 2, 3, 4], \
                        [3509730366, 521, 1, 2, 3, 4], \
                        [3509730366, 521, 1, 2, 3, 4], \
                        [9809730686, 500, 1, 2, 3, 4]],\
                        columns=['join key', 'code', 'A', 'B', 'C', 'D'])

interim = exp_csv[exp_csv.duplicated(['join key'], keep=False)]
interim = interim.loc[(interim['code'] == 521) | (interim['code'] == 539)]
interim = interim.groupby(by='join key').apply(lambda x: compute(x))

一旦我有了所有的重复项，我想应用一个函数，

compute（x）

，它将把这对重复项合并成一行，由

code=521的行中的
['a'，'B']
列和
code=539的行中的
['C'，'D']
列组成

我似乎无法选择正确的行。我一直在选择那些在
join key
上重复的行，但它们都是相同的代码，没有对应的行

import pandas as pd
exp_csv = pd.DataFrame([[3566190983, 521, 1, 2, 3, 4], \
                        [3566190983, 539, 1, 2, 3, 4], \
                        [3509730366, 521, 1, 2, 3, 4], \
                        [3509730366, 521, 1, 2, 3, 4], \
                        [3509730366, 521, 1, 2, 3, 4], \
                        [9809730686, 500, 1, 2, 3, 4]],\
                        columns=['join key', 'code', 'A', 'B', 'C', 'D'])

interim = exp_csv[exp_csv.duplicated(['join key'], keep=False)]
interim = interim.loc[(interim['code'] == 521) | (interim['code'] == 539)]
interim = interim.groupby(by='join key').apply(lambda x: compute(x))

我相信您需要比较
set
s并通过以下方式进行筛选：

欢迎来到StackOverflow。请花点时间阅读这篇文章，以及如何提供答案，并相应地修改你的问题。这些提示可能也很有用。谢谢你，这确实有用！但是我怎样才能把这两行加起来呢？也许我可以再次按键分组，并在每对上应用一个函数？有没有一种方法可以像我在OP中解释的那样组合两行？我想要一个新行，其中一行只有列
['join key'，code'，a'，B']
，另一行只有列
['C'，D']
。我曾考虑将一些列设置为
nan
，然后将两行相加，但我似乎做不到。