Python 从数据帧中删除反向重复项
我有一个包含两列的数据框,Python 从数据帧中删除反向重复项,python,pandas,dataframe,Python,Pandas,Dataframe,我有一个包含两列的数据框,a和B。在这种情况下,A和B的顺序并不重要;例如,我会考虑(0,50)< /代码>和(50,0)< /代码>是重复的。在pandas中,从数据帧中删除这些重复项的有效方法是什么 import pandas as pd # Initial data frame. data = pd.DataFrame({'A': [0, 10, 11, 21, 22, 35, 5, 50], 'B': [50, 22, 35, 5, 10,
a
和B
。在这种情况下,A
和B
的顺序并不重要;例如,我会考虑<代码>(0,50)< /代码>和<代码>(50,0)< /代码>是重复的。在pandas中,从数据帧中删除这些重复项的有效方法是什么
import pandas as pd
# Initial data frame.
data = pd.DataFrame({'A': [0, 10, 11, 21, 22, 35, 5, 50],
'B': [50, 22, 35, 5, 10, 11, 21, 0]})
data
A B
0 0 50
1 10 22
2 11 35
3 21 5
4 22 10
5 35 11
6 5 21
7 50 0
# Desired output with "duplicates" removed.
data2 = pd.DataFrame({'A': [0, 5, 10, 11],
'B': [50, 21, 22, 35]})
data2
A B
0 0 50
1 5 21
2 10 22
3 11 35
理想情况下,输出将按列
A
的值排序。您可以在删除重复项之前对数据帧的每一行进行排序:
data.apply(lambda r: sorted(r), axis = 1).drop_duplicates()
# A B
#0 0 50
#1 10 22
#2 11 35
#3 5 21
如果您希望结果按列A
排序:
data.apply(lambda r: sorted(r), axis = 1).drop_duplicates().sort_values('A')
# A B
#0 0 50
#3 5 21
#1 10 22
#2 11 35
这里有一个更丑陋但更快的解决方案:
In [44]: pd.DataFrame(np.sort(data.values, axis=1), columns=data.columns).drop_duplicates()
Out[44]:
A B
0 0 50
1 10 22
2 11 35
3 5 21
定时:用于8K行DF
In [50]: big = pd.concat([data] * 10**3, ignore_index=True)
In [51]: big.shape
Out[51]: (8000, 2)
In [52]: %timeit big.apply(lambda r: sorted(r), axis = 1).drop_duplicates()
1 loop, best of 3: 3.04 s per loop
In [53]: %timeit pd.DataFrame(np.sort(big.values, axis=1), columns=big.columns).drop_duplicates()
100 loops, best of 3: 3.96 ms per loop
In [59]: %timeit big.apply(np.sort, axis = 1).drop_duplicates()
1 loop, best of 3: 2.69 s per loop
现在这个解决方案起作用了
data.set_index(['A','B']).stack().drop_duplicates().unstack().reset_index()
可以根据需要添加更多的列。
e、 g
不需要lambda,
.apply(排序,axis=1)
就可以了。我喜欢这个答案!我想到的一切都是叠加到数据帧。这种聪明消除了这种需要,这与矢量化实现的答案是一样的。不丑陋的:-)
data.set_index(['A','B', 'C']).stack().drop_duplicates().unstack().reset_index()