Python 基于列1中的不同值获取行，同时尽可能多地保留列2中的不同值

我有一个处理列和控制列的匹配数据集。我的问题是为每个治疗观察选择一个对照组，基本上是一对一的替换对照组，除了我想保留尽可能多的独特对照组，即，我想利用对照组的全部信息，不想对单个对照观察给予太多的重视

对于一个特定的示例，在匹配之后，我在下面的dataframe中，处理列和控制列中都有重复的值：

>>>df
treated control
A    a
A    b
B    a
B    b
C    a
C    b
D    a
D    d

我希望根据treated中的唯一值获取行，同时从控件中保留尽可能多的唯一值。也就是说，我想买两种

>>>df
treated control
A    a
B    b
C    a
D    d

或

或在本例中保持控件列所有唯一值的任何输出（并保持正确的对）。也就是说，比如说，我不想

>>>df
treated control
A    a
B    a
C    a
D    a

非常感谢您的帮助。

试试++：

new_df

：

  col1 col2
0    A    a
1    B    b
2    C    b

---

df=df.apply（pd.unique）

？我的问题是，如果col1和col2中的值长度不匹配，会发生什么？就像col1中的

'A''B''C'

和col2中的

'A''B'

。@AnuragDabas，谢谢，它似乎适用于“方形”数据帧，否则它会抛出一个错误“数组的长度必须相同”。我不确定pd.unique在df.apply中是如何工作的。@HenryEcker，请查看我的编辑。谢谢谢谢，亨利。答案的问题是，我仍然需要col1和col2之间的原始成对值，这可能会在转换中丢失。我对这个问题做了一些修改，以澄清它的应用。

import pandas as pd

df = pd.DataFrame({
    'col1': {0: 'A', 1: 'A', 2: 'B', 3: 'B', 4: 'C', 5: 'C'},
    'col2': {0: 'a', 1: 'b', 2: 'a', 3: 'b', 4: 'a', 5: 'b'}
})

new_df = (
    df.apply(lambda x: pd.Series(pd.unique(x)))
        .ffill()  # fill NaNs with any value
)

print(new_df)

  col1 col2
0    A    a
1    B    b
2    C    b