python - 识别重复项并选择要删除的重复行

Question

我需要帮助来清理我的数据集。在一组唯一 ID 中，存在重复的标题/艺术家名称，并且在这些重复项中，有一行不包含专辑列的任何值/文本。

我首先要做的是识别混合 ID 子集中的重复项，然后删除“专辑”列中没有任何值/文本的行。

我无法理解这个问题，任何帮助都会很棒!

DF:

输出:

Answer 1

以下是我将采取的方法:

import pandas as pd

# Partial dataframe 
df  = pd.DataFrame({'Mix_id':[1234567, 1234567, 1234567, 1234567, 1234567],
                   'Title':['Hello its me', 'Music', 'Evolve', 'Evolve', 'Signs'],
                   'Artist':['Martin', 'Ones and Twos', 'Julian', 'Julian', 'Julian'],
                   'Album':["", "", "", "Evolve", ""]})

初始数据框:

df = df.groupby(['Mix_id', 'Title', 'Artist'], as_index=False).apply(lambda x : x[x.Album.str.len() == x.Album.str.len().max()])
df.reset_index(level=0, drop=True, inplace=True)
df.sort_index()

输出: