Python 熊猫会在由列表组成的元素上放置重复项

假设我的数据帧是：

df = pandas.DataFrame([[[1,0]],[[0,0]],[[1,0]]])

这将产生：

        0
0  [1, 0]
1  [0, 0]
2  [1, 0]

如果我写入以下内容，我希望删除重复项，并仅获取元素[1,0]和[0,0]：

df.drop_duplicates()

我得到以下错误：TypeError:unshable类型：“list”

如何调用drop_duplicates（）

一般而言：

df = pandas.DataFrame([[[1,0],"a"],[[0,0],"b"],[[1,0],"c"]], columns=["list", "letter"])

---

我想调用df[“list”]。drop_duplicates（），因此drop_duplicates适用于系列而不是数据帧？

这里有一种方法，将列表系列转换为单独的列，只保留非重复项：

df[~df[0].apply(pandas.Series).duplicated()]

        0
0  [1, 0]
1  [0, 0]

>>> df[0].apply(pd.Series).duplicated()
0    False
1    False
2     True

说明：

df[0]。应用（pandas.Series）

返回：

   0  1
0  1  0
1  0  0
2  1  0

您可以从中找到重复项：

df[~df[0].apply(pandas.Series).duplicated()]

        0
0  [1, 0]
1  [0, 0]

>>> df[0].apply(pd.Series).duplicated()
0    False
1    False
2     True

最后使用该

删除重复项

调用

drop\u duplicates

，对元组化数据执行以下操作：

df[0].apply(tuple, 1).drop_duplicates().apply(list).to_frame()

        0
0  [1, 0]
1  [0, 0]

---

collections.OrderedDict

然而，我更喜欢不涉及

apply

from collections import OrderedDict
pd.Series(map(
    list, (OrderedDict.fromkeys(map(tuple, df[0].tolist()))))
).to_frame()

或者

---

您可以使用

numpy.unique（）

函数：

>>> df = pandas.DataFrame([[[1,0]],[[0,0]],[[1,0]]])
>>> pandas.DataFrame(np.unique(df), columns=df.columns)
        0
0  [0, 0]
1  [1, 0]

---

如果要保留订单签出：

我尝试了其他答案，但没有解决我需要的问题（包含多个列表列的大型数据框）

我是这样解决的：

df = df[~df.astype(str).duplicated()]

---

我喜欢这个答案，它很漂亮simple@user及)@如果你认为一个答案比其他答案好，最好是“接受”这样其他人就可以知道什么样的解决方案最有效。@Omid所有答案都很好，而且都经过了投票，但这是我使用的一个，因为它很简单。似乎应该将这个或元组答案添加到pandas代码库中。为什么您更喜欢不涉及应用的东西？使用apply时，代码看起来可读性更强。@words因为这个问题的答案很长，但在这里：