python - 如何删除 Pandas 组中的重复项

Question

我希望删除组“内”的重复项。我怎样才能以最有效的方式做到这一点？

我尝试过仅按 ID 对数据进行分组，但由于公司可以在不同年份筹集相同类型的投资轮次，因此这种方法会导致我得到错误的结果。

我有这样的数据:

+----+-----------+-----------+---------------+
| ID |   Type    | seed_year | series_a_year |
+----+-----------+-----------+---------------+
|  1 | seed      |      2014 |             0 |
|  2 | seed      |      2014 |             0 |
|  2 | seed      |      2015 |             0 |
|  3 | seed      |      2012 |             0 |
|  3 | series_a  |         0 |          2014 |
|  3 | series_a  |         0 |          2015 |
+----+-----------+-----------+---------------+

我想要的输出是:

+----+----------+-----------+---------------+
| ID |   Type   | seed_year | series_a_year |
+----+----------+-----------+---------------+
|  1 | seed     |      2014 |             0 |
|  2 | seed     |      2014 |             0 |
|  3 | seed     |      2012 |             0 |
|  3 | series_a |         0 |          2014 |
+----+----------+-----------+---------------+

我想保留第一轮(最旧的)融资。

Answer 1

您可以使用 .drop_duplicates() 的“subset”参数:

df.drop_duplicates(subset=['ID', 'Type'], keep='first')