Python 如果多个字段符合条件，是否删除重复项？

今天我有一个简单的Excel任务要做，我想我应该用一些Python来清理它。这让我想到了熊猫和numpy。如果可能的话，我想知道：

我有这些列和大约5k行：

名字|姓氏|电子邮件|地址|城市

我想删除地址和城市中的重复项，但并非所有行都有电子邮件或姓氏。因此，我想查看该行并删除不包含电子邮件地址的行，保留包含电子邮件地址的行

但是，我有一些重复的行，它们可能具有相同的姓氏，但没有电子邮件，因此我希望确保至少保留其中一行，或者在电子邮件字段中插入NAN或其他内容，以便至少保留其中一行

我猜在伪代码中应该是这样的：

1. if Last Name & Address & City is a duplicate & Email Address on both rows is blank
             insert a variable into one of the rows Email Address field
2. if Address & City is a duplicate, remove the row that does not have a e-mail address assigned to it.

我已经通过手动进入并执行步骤1使其工作，正如您所猜测的，这不是有趣的lol。所以我想知道是否有可能对熊猫进行操作

以下是示例数据：

       df = pd.DataFrame({
            "First Name": ["Bob", "Ken", "Bobs Business", "Daniel", "Wendy", "Kyle"],
            "Last Name": ["Arnold", "Arnold", "", "Amigo", "Amigo", "Zecke"],
            "Email": ["", "", "Bb@bobsbusiness.com", "amigo@amigo.com",  "", "k@zecke.com"],
            "Address": ["123 Street", "123 Street", "123 Street", "5 Street", "5 Street", "5 Street"],
            "City": ["Boston", "Boston", "Boston", "Concord", "Concord", "Denver"]
        })

预期产出：

First Name Last Name Email                Address        City
Ken         Arnold                       123 Street    Boston
Bobs Business        bb@bobsbusiness.com 123 Street  Boston
Daniel      Amigo    amigo@amigo.com     5 Street      Concord
Kyle        Zecke    k@zecke.com         5 Street      Denver

---

感谢您的帮助或为我指明了正确的方向！：）

首先，您应该提供示例数据，以便我们可以轻松地在您的数据上测试代码。 我认为你必须做两件事：

• 对数据进行排序（）
• 删除重复的行（）

您必须检查是否使用了None值或emtpy字符串，因为它们在排序时的效果不同，可能您必须将keep更改为“first”

输出：

      First Name Last Name                Email     Address     City
0            Bob    Arnold                       123 Street   Boston
1            Ken    Arnold                       123 Street   Boston
2  Bobs Business            Bb@bobsbusiness.com  123 Street   Boston
3         Daniel     Amigo      amigo@amigo.com    5 Street  Concord
4          Wendy     Amigo                         5 Street  Concord
5           Kyle     Zecke          k@zecke.com    5 Street   Denver

      First Name Last Name                Email     Address     City
2  Bobs Business            Bb@bobsbusiness.com  123 Street   Boston
3         Daniel     Amigo      amigo@amigo.com    5 Street  Concord
1            Ken    Arnold                       123 Street   Boston
5           Kyle     Zecke          k@zecke.com    5 Street   Denver

---

你可能想看看。此外，您的逻辑可能不完整，因为第二条规则可能会删除这两行。我检查了duplicated，但找不到将其设置为某种类型和条件的方法，即df.duplicated（子集（['Last Name']和['Address']和['City']您可以将多个列作为一个列表传递：

df.duplicated（子集=['Last Name'，Address'，City']））

。很抱歉，我忘记了数据。我在中添加了一些。不过，您的示例很有效，非常感谢：）

      First Name Last Name                Email     Address     City
0            Bob    Arnold                       123 Street   Boston
1            Ken    Arnold                       123 Street   Boston
2  Bobs Business            Bb@bobsbusiness.com  123 Street   Boston
3         Daniel     Amigo      amigo@amigo.com    5 Street  Concord
4          Wendy     Amigo                         5 Street  Concord
5           Kyle     Zecke          k@zecke.com    5 Street   Denver

      First Name Last Name                Email     Address     City
2  Bobs Business            Bb@bobsbusiness.com  123 Street   Boston
3         Daniel     Amigo      amigo@amigo.com    5 Street  Concord
1            Ken    Arnold                       123 Street   Boston
5           Kyle     Zecke          k@zecke.com    5 Street   Denver