Python 当列B为nan时，删除列A的重复数据帧

所以情况是我得到了一个数据帧[a，B，C，D]，当a，B两列都不是nan（a不能是nan）时，不要删除任何东西，但是当我们有[a，B]的一些组合时，仍然得到另一行a不是空的，B是空的。然后需要删除这样的行。另一种情况是，当我们没有任何AB组合时，我们只得到一行A不为空，但B为空，此时，无法删除重复项

e、 g

因此，在这种情况下，不应删除第一列和第二列，而应删除第三列，因为Tom（列A中已存在）和列B中的值为Nan，所以应删除第三列

另一种情况是

 A    B     C   D
[Jack, Nan, fish, dolphine]

---

在整个数据帧中，我们只有一行A列中的值为Jack，因此无论B是否为nan，我们都不会删除此列。

这是我找到的解决方案：

is_na = df['B'].isna() #This transformation (NaN -> True/False) is necessary to count

new_df = df[is_na].filter(['A'])
new_df['B'] = is_na #new_df has column A and column B with Trues and Falses
counting_nans = new_df.groupby('A')['B'].count() 

counting_nans具有按A列的值分组的nan数：

在uniques中，我们将存储所有必须计算的值

uniques = df['A'].value_counts()

现在，让我们过滤掉这个。如果一个值出现在列“a”中的次数等于列“B”中的NaN数，则不应删除这些行，如果它在“a”中只出现一次，我们也可以将其删除（无论在该特定行df['B']是否为NaN）

希望有帮助！如果我的代码不清楚，请告诉我。

---

另外，我很确定有一种更简单的方法，我对编程xD有点陌生，您可以使用一行代码实现您想要的结果：

df = df[df.apply(lambda row: not((row['B'] is np.nan) & (len(df[df['A'] == row[dup_col]]) > 1)), axis=1)]

---

细节 这里的解决方案是与python函数结合使用

安装程序

将熊猫作为pd导入
将numpy作为np导入
数据={
‘A’：[‘汤姆’、‘汤姆’、‘汤姆’、‘杰克’]，
‘B’：[‘简’、‘扎克’、np.nan、np.nan]，
‘C’：[‘简’、‘熊’、‘猫’、‘熊’]，
‘D’：[‘简’、‘熊’、‘猫’、‘熊’]，
}
#创建数据帧
df=pd.DataFrame（数据）
#设置列以检查重复和np.nan
dup_col='A'
nan_col='B'
#过滤前打印df
打印（df.head（））

用于沿轴将函数应用于，指定

轴=1

将函数应用于每行

• 该函数允许我们使用row变量
• 内部条件是您定义为重复的条件
• i、 e.“B”列为Nan，“A”列为重复项

我把它分成多行，以便更容易理解，但实际上可以在一行上完成

df=df[
df.应用（lambda行：
不是(
（行[nan\u col]是np.nan）和（len（df[df[dup\u col]==行[dup\u col]]>1）
)，轴=1）
]
#过滤后打印
打印（df.head（））

---

你有没有试过自己解决这个问题？如果是，你应该在你的帖子中包含代码，并讨论你面临的困难。我现在没有太多的想法，我想我可以使用groupby并应用一些功能。你可以发布一个小数据集，在你的问题中描述的所有情况下，显示应该删除的行和不应该删除的行。另外，发布预期结果集。只需添加一些情况来说明我的问题，请随意提问，我会不断更新我的问题

>>> counting_nans

A
Tom    1
Zac    1
Name: B, dtype: int64 

uniques = df['A'].value_counts()

>>> uniques

Tom    3
Zac    1
Name: A, dtype: int64 

uniques.sort_index(inplace=True)
counting_nans.sort_index(inplace=True)

uniques = uniques[ uniques != counting_nans]
uniques = uniques[ uniques > 1 ]

condition = df['A'].isin(uniques.index) & df['B'].isna() 
#This is an array with Trues when df['A'] is in values to be evaluated and df['B'] is NaN
index_condition = condition.loc[condition == True].index #These are the indexes

df.drop(index_condition, inplace=True) #This eliminates the rows

>>> df

     A      B       C        D
0  Tom   Jane     Cat     Bear
1  Tom  Jenny  Monkey   Tortue
3  Zac    NaN     Dog  Penguin

df = df[df.apply(lambda row: not((row['B'] is np.nan) & (len(df[df['A'] == row[dup_col]]) > 1)), axis=1)]

      A     B     C     D
0   Tom  Jane  Jane  Jane
1   Tom  Zack  Bear  Bear
2   Tom   NaN   Cat   Cat
3  Jack   NaN  Bear  Bear

      A     B     C     D
0   Tom  Jane  Jane  Jane
1   Tom  Zack  Bear  Bear
3  Jack   NaN  Bear  Bear