Python 以较低的精度删除重复项

我有一个带有字符串列和浮点列的熊猫数据框架，我想使用

删除重复项

来删除重复项。有些重复项并不完全相同，因为在小数位上有一些细微的差异。如何以较低的精度删除重复项

例如：

import pandas as pd
df = pd.DataFrame.from_dict({'text': ['aaa','aaa','aaa','bb'], 'result': [1.000001,1.000000,2,2]})
df
     result text
0  1.000001  aaa
1  1.000000  aaa
2  2.000000  aaa
3  2.000000   bb

我想去

df_out = pd.DataFrame.from_dict({'text': ['aaa','aaa','bb'], 'result': [1.000001,2,2]})
df_out
     result text
0  1.000001  aaa
1  2.000000  aaa
2  2.000000   bb

包围他们

df.loc[df.round().drop_duplicates().index]

     result text
0  1.000001  aaa
2  2.000000  aaa
3  2.000000   bb

包围他们

df.loc[df.round().drop_duplicates().index]

     result text
0  1.000001  aaa
2  2.000000  aaa
3  2.000000   bb

---

您可以使用函数

round

以给定精度对df进行舍入

DataFrame.round（小数=0，*args，**kwargs）

将数据帧四舍五入到可变的小数位数

例如，您可以通过以下方式应用两位小数的四舍五入：

df = df.round(2)

您还可以将其应用于特定列，例如：

df = df.round({'result': 2})

---

舍入后，您可以使用函数

drop\u duplictes

以给定精度使用函数

舍入

，以舍入df

DataFrame.round（小数=0，*args，**kwargs）

将数据帧四舍五入到可变的小数位数

例如，您可以通过以下方式应用两位小数的四舍五入：

df = df.round(2)

您还可以将其应用于特定列，例如：

df = df.round({'result': 2})

---

四舍五入后，您可以使用函数

drop\u duplictes

使用

numpy.trunc

获得所需的精度。使用

pandas

duplicated

查找要保留的熊猫

df[~df.assign(result=np.trunc(df.result.values * 100)).duplicated()]

---

使用

numpy.trunc

获得所需的精度。使用

pandas

duplicated

查找要保留的熊猫

df[~df.assign(result=np.trunc(df.result.values * 100)).duplicated()]

---

Binning是解决此问题的一个过于复杂的解决方案，但我仍将共享一个链接：Binning是解决此问题的一个过于复杂的解决方案，但我仍将共享一个链接：