python - Pandas 使用双重条件删除重复项

Question

考虑以下 DF

    import pandas as pd
    df = pd.DataFrame({'ID': [1,1,1,1,2,2,2,2], 
    'Course': 
    ['English','English','English','History','Science', 'Science', 'Science','Math'],
    'Status':
    ['Attended', 'Requested', 'Partially Attended', 'No show',
    'Requested','Attended','Partially Attended','No show']})
    df.set_index(['ID'])
    print(df)

Course  Status
ID      
1   English Attended
1   English Requested
1   English Partially Attended
1   History No show
2   Science Requested
2   Science Attended
2   Science Partially Attended
2   Math    No show

我正在尝试根据以下 3 个假设找到一种删除重复项的方法。

1. ID 出现多次。
2. 如果 ID 多次出现，则类(class)必须相同。 (所以 1、历史和 2、数学可以保留)
3. 如果找到匹配项，那么我只想仅删除类(class)已完成且存在请求的实例，删除包含请求的行。缺席和部分出席都可以。

我目前正在学习和参加 DataCamps Python 和 pandas 类(class)，因此我熟悉 groupby、聚合、排序函数，在这些函数中我可以删除时间序列数据中较晚或较早的重复项。我不知道如何将条件或逻辑应用于放置函数。我在这个论坛上搜索过类似的功能，但我还没有将任何东西应用到我自己的 DF 上。

我想要的结果如下:

Course  Status
ID      
1   English Attended
1   English Partially Attended
1   History No show
2   Science Attended
2   Science Partially Attended
2   Math    No show

Answer 1

未重复或未请求

df[~df.duplicated(['ID', 'Course'], keep=False) | df.Status.ne('Requested')]

    Course  ID              Status
0  English   1            Attended
2  English   1  Partially Attended
3  History   1             No show
5  Science   2            Attended
6  Science   2  Partially Attended
7     Math   2             No show

<小时/>

pandas.DataFrame.duplicated

识别事物是否重复。我传递了一个列名称列表来用于确定重复性。通过使用 keep=False，我指定要将第一次或最后一次出现的情况也算作重复项。

df.duplicated(['ID', 'Course'], keep=False)

0     True
1     True
2     True
3    False
4     True
5     True
6     True
7    False
dtype: bool

但是，如果它是重复的，还要检查它是否是请求的

df.Status.ne('Requested')

0     True
1    False
2     True
3     True
4    False
5     True
6     True
7     True
Name: Status, dtype: bool

因此，我们希望行不重复，并且至少不具有等于 Requested 的 Status