Python熊猫-处理重复项

我想以一种全新的方式处理重复项：

df=pd.DataFrame({'A':[1,1,1,2,1],'B':[2,2,1,2,1],'C':[2,2,1,1,1],'D':['a','c','a','c','c']})
df 

我只想保留具有唯一值A、B、C的行，并创建二进制列D_A和D_C，因此结果将是这样的，而无需对每行执行超慢循环

result= pd.DataFrame({'A':[1,1,2],'B':[2,1,2],'C':[2,1,1],'D_a':[1,1,0],'D_c':[1,1,1]})

非常感谢

您可以使用：

df1 = (df.groupby(['A','B','C'])['D']
         .value_counts()
         .unstack(fill_value=0)
         .add_prefix('D_')
         .clip_upper(1)
         .reset_index()  
         .rename_axis(None, axis=1))

print (df1)
   A  B  C  D_a  D_c
0  1  1  1    1    1
1  1  2  2    1    1
2  2  2  1    0    1

---

使用

get_dummies

+

sum

-

df = df.set_index(['A', 'B', 'C'])\
       .D.str.get_dummies()\
       .sum(level=[0, 1, 2])\
       .add_prefix('D_')\
       .reset_index()

df

   A  B  C  D_a  D_c
0  1  1  1    1    1
1  1  2  2    1    1
2  2  2  1    0    1

---

你可以这样做

df.loc[df['D']=='a', 'D_a'] = 1
df.loc[df['D']=='c', 'D_c'] = 1

这将在新列中添加1，每个列中都会出现一个“a”或“c”

    A   B   C   D   D_a  D_c
0   1   2   2   a   1.0  NaN
1   1   2   2   c   NaN  1.0
2   1   1   1   a   1.0  NaN
3   2   2   1   c   NaN  1.0
4   1   1   1   c   NaN  1.0

但是你必须用0替换NaN

df = df.fillna(0)

接下来，您只需选择所需的列，然后删除重复项

df = df[["A","B","C", "D_a", "D_c"]].drop_duplicates()

---

希望这是你一直在寻找的解决方案

您希望如何构造

D_a

和

D_c

以从一个五元素列表变成两个三元素列表？那么创建D_a和D_c的规则是什么？我理解删除重复项的理由，但是你希望用D_a和D_c做什么？听起来可能有更好的方法来实现最终目标。如果我们的答案之一有帮助，请投票并接受它。谢谢@路行者啊好！这是常有的事。选民是变化无常的野兽。最好不要让它进入你的皮肤。享受这里的时光，分享你的知识，向他人学习。干杯：-）是的，我同意。顺便说一句，你的回答总是让人印象深刻。我必须说的是一流的python。@RoadRunner谢谢你，我很感激。不过，我还有很长的路要走。但我想我已经到了。关键是要始终保持开放的心态，接受反馈。除了您个人资料中的数字之外，还有更多关于声誉的信息。：-）@toumz干杯，快乐编码！的确令人印象深刻。我要补充一点，这里重要的微妙之处是

clip\u upper

。如果没有此选项，则不会删除重复项。使用pd.DataFrame（{'A'：[1,1,1,2,1,1]，'B'：[2,2,1,2,1,1]，'C'：[2,2,1,1,1,1]，'D'：[A'，'C'，'A'，'C'，'C']}）这一点更清楚。（简单地重复最后一行）。非常好@乔希-非常感谢你，天气真好！