python - 从 Pandas DataFrame 中选择一列中具有相同值但另一列中具有不同值的行

Question

假设我有下面的 pandas DataFrame:

   A      B     C   D
1  foo    one   0   0
2  foo    one   2   4
3  foo    two   4   8
4  cat    one   8   4
5  bar    four  6  12
6  bar    three 7  14
7  bar    four  7  14

我想选择所有在 A 中具有相同值但在 B 中具有不同值的行。所以我希望我的代码输出为:

   A      B    C   D
1  foo    one  0   0
3  foo    two  4   8
5  bar  three  7  14
6  bar    four 7  14

最有效的方法是什么？我有大约 11,000 行，列值变化很大，但这种情况经常出现。在我的数据集中，如果 A 列中的元素相等，则相应的 B 列值也应该相等，但是由于标记错误，情况并非如此，我想解决这个问题，我这样做是不切实际的一。

Answer 1

你可以试试groupby() + filter + drop_duplicates():

>>> df.groupby('A').filter(lambda g: len(g) > 1).drop_duplicates(subset=['A', 'B'], keep="first")
     A      B  C   D
0  foo    one  0   0
2  foo    two  4   8
4  bar   four  6  12
5  bar  three  7  14

或者，如果您想在 A 和 B 列的子集之间删除重复项，则可以在下面使用，但该行将包含 cat 还有。

>>> df.drop_duplicates(subset=['A', 'B'], keep="first")
     A      B  C   D
0  foo    one  0   0
2  foo    two  4   8
3  cat    one  8   4
4  bar   four  6  12
5  bar  three  7  14