Python熊猫：如何删除*正确*重复行？

我有一个熊猫数据框，看起来像：

ID, Customer, Status,  Score, Size
01, Cust-A,   NaN,     100,   A
01, Cust-A,   Valid,   100,   A
02, Cust-B,   Invalid, 80,    B
02, Cust-B,   Invalid, NaN,   B
03, Cust-C,   Valid,   95,    C
04, Cust-D,   Invalid, 76,    NaN
04, Cust-D,   NaN,     76,    NaN
...

等等

如何删除正确的行

---

对于ID-01，我想删除第一行，对于ID-02，我想保留第二行，对于ID-04，我想保留第一行，因为它是NAN较少的一行。一个选项是计算每个ID缺失值的总数，提取最小缺失值的索引（使用

idxmin（）

）并使用索引对原始数据帧进行子集：

df.loc[df.groupby('ID', as_index=False).apply(lambda g: g.isnull().sum(axis=1).idxmin())]

#   ID  Customer     Status  Score  Size
#1  1     Cust-A      Valid  100.0     A
#2  2     Cust-B    Invalid   80.0     B
#4  3     Cust-C      Valid   95.0     C
#5  4     Cust-D    Invalid   76.0   NaN

---

如果某些ID有相同数量的缺失值（或没有缺失值），该怎么办？我不知道，这是一个很好的一般性问题。在我正在清理的数据集中，没有任何东西都有值这样的条件。我所看到的是，当存在重复项时，有一行缺少一个或多个值，并且相同的列具有相同的值。但你的问题很好。