python - 删除pandas中重复的汉字

Question

df=pd.DataFrame({'a':['重庆市重庆花园','北京市市教育中心']})

如何删除'a'列中行的重复字符，并将其设为

['重庆市花园','北京市教育中心']

代替

['重庆市重庆花园','北京市市教育中心']

谢谢!

Answer 1

OrderedDict

您可以使用 OrderedDict 删除重复项而不会丢失顺序:

from collections import OrderedDict    
df['a'] = [''.join(OrderedDict.fromkeys(v)) for v in df['a']]
df
         a
0    重庆市花园
1  北京市教育中心

在 python-3.6+ 上，你可以只使用标准字典—

df['a'] = [''.join(dict.fromkeys(v)) for v in df['a']]

---

str.extractall + groupby + drop_duplicates

这是丑陋的选择——

(df.a.str.extractall('(.)')[0]
   .groupby(level=0)
   .apply(pd.Series.drop_duplicates)
   .groupby(level=0)
   .agg(''.join)
)

0      重庆市花园
1    北京市教育中心
Name: 0, dtype: object