Python 从两列中选择唯一的值

我找不到任何优雅的方法从列A和列B中选择唯一的行，但不能同时选择，也不能按顺序选择。这是为了保持这两列中唯一值的包含交集

我的目标是在A列和B列之间保留尽可能多的唯一值。这些列是联合考虑的，但我正在寻找它们的值的所有唯一组合

示例数据帧

df1 = pd.DataFrame({"A": [ "A1", "A2", "A2", "A3", "A3", ],
                    "B": [ "B1", "B1", "B2", "B3", "B1", ], },
                   index=[ 0, 1, 2, 3, 4, ])

结果:

    A   B
0  A1  B1
1  A2  B1
2  A2  B2
3  A3  B3
4  A3  B1

    A   B
0  A1  B1
1  A2  B1
2  A2  B2
3  A3  B3
4  A3  B1

    A   B
0  A1  B1
1  A2  B1
3  A3  B3

这没什么用

df2 = df1.drop_duplicates( subset=[ "A", "B", ], keep="first", inplace=False, )

结果:

    A   B
0  A1  B1
1  A2  B1
2  A2  B2
3  A3  B3
4  A3  B1

    A   B
0  A1  B1
1  A2  B1
2  A2  B2
3  A3  B3
4  A3  B1

    A   B
0  A1  B1
1  A2  B1
3  A3  B3

下面的代码留下了重复的B1，可以稍后使用B列上的drop_duplicates删除，但A2也将被删除，如果它与B2一起出现在一行中，则可以保留它，因为它位于原始数据帧的索引=2处

df3 = df1.drop_duplicates( subset=[ "A", ], keep="first", inplace=False, )

df4 = df3.drop_duplicates( subset=[ "B", ], keep="first", inplace=False, )

    A   B
0  A1  B1
3  A3  B3

结果:

    A   B
0  A1  B1
1  A2  B1
2  A2  B2
3  A3  B3
4  A3  B1

    A   B
0  A1  B1
1  A2  B1
2  A2  B2
3  A3  B3
4  A3  B1

    A   B
0  A1  B1
1  A2  B1
3  A3  B3

如上所述，A2被删除，但如果它与B2一起出现在一行中，则可以选择保留它，因为它位于原始数据帧的索引=2处

df3 = df1.drop_duplicates( subset=[ "A", ], keep="first", inplace=False, )

df4 = df3.drop_duplicates( subset=[ "B", ], keep="first", inplace=False, )

    A   B
0  A1  B1
3  A3  B3

预期结果：

因此，我的目标是在A列和B列之间保留尽可能多的唯一值。这些列是联合考虑的，但我正在寻找它们值的所有唯一组合…

请尝试以下代码：

df1.drop_duplicates( subset=[ "A" and "B"], keep="first", inplace=False, )

输出：

    A   B
0   A1  B1
2   A2  B2
3   A3  B3

---

如果在原始数据帧['A3'，B4']中再添加一行，会发生什么。该行是否也应显示在输出中？现在，我不知道您是在尝试获取具有完全唯一值的最大行数，还是获取捕获所有唯一值的最小行数。我不介意输出中是否出现行['A3'，B4'，因为我可以在下一步中通过删除A列中的重复项来过滤掉它。我要做的是从A列中获取所有值，但只获取一次，因此此列仅包含唯一值，但与B列中的唯一值成对。现在，如果使用subset=[A，B]，则输出包含两个列中唯一的行。如果我先从A列中删除重复项，然后从B列中删除重复项，许多唯一值将丢失。我需要从一列中删除重复项，但要尽可能多地保存B列中的值，反之亦然……可能需要使用networkx.algorithms.matching.max_weight_matching？Alex，你需要两列的唯一值，对吗？那么你怎么认为下面的代码不适用呢？