python - 删除 Pandas Dataframe 中按其他列分组的列中频率最低的行

Question

我有一个带有 的 Pandas 数据框不一致的行 .在下面的例子中 key1和 key2是两个放在一起的值必须是唯一的，所以这对夫妇 (key1 ,key2)是主键，应该在数据框中出现一次，而 info是(key1 ,key2)的二进制信息并且可能是 T或 F .不幸的是(key1 ,key2)在数据框中重复，有时它们有 info=T其他时间 info=F ，这显然是一个错误。
为了消除重复，我想采用这个推理:我想计算多少次(对于同一对夫妇 (key1 ,key2))info是 T和多少次info是 F和

如果频率不同(大部分时间)保持
只有具有最频繁值 的行之一之间T和 F具有类似 df.drop_duplicates(subset = ["key1","key2"] , keep = "first") 的功能其中first应该是
最频繁值 info 的行.

如果取而代之的是 50%
行有 info=T 50% 有 info=F ，我要删除所有
他们 ，因为我不知道哪个是正确的函数
喜欢 df.drop_duplicates(subset = ["key1","key2"] , keep = False) .

我不知道如何进行这种过滤器，因为我想在一种情况下保留 1 行，在另一种情况下保留 0 行，具体取决于相似行组中特定列的值。
期望的行为
在:

     key1  key2    info
0    a1    a2      T 
1    a1    a2      T #duplicated row of index 0
2    a1    a2      F #similar row of indexes 0 and 1 but inconsistent with info field
3    b1    b2      T 
4    b1    b2      T #duplicated row of index 3
5    b1    b3      T #not duplicated since key2 is different from indexes 3 and 4
6    c1    c2      T 
7    c1    c2      F #duplicated row of index 5 but inconsistent with info field

出去:

     key1  key2     info
0    a1    a2       T # for(a1,a2) T:2 and F:1
3    b1    b2       T # for(b1,b2) T:2 and F:0
5    b1    b3       T # for(b1,b3) T:1 and F:0
                    # no rows for (c1,c2) because T:1 and F:1

谢谢

Answer 1

groupby并使用 pd.Series.mode获取模态值。 pd.Series.mode 将在关系的情况下返回模式，因此这允许我们使用 drop_duplicates 删除这些情况。因为我们期望每个唯一的 ['key1', 'key2'] 只有一种模式.

import pandas as pd

(df.groupby(['key1', 'key2'])['info']
   .apply(pd.Series.mode)
   .reset_index()
   .drop_duplicates(['key1', 'key2'], keep=False)
   .drop(columns='level_2')
)

#  key1 key2 info
#0   a1   a2    T
#1   b1   b2    T
#2   b1   b3    T

groupby的结果+ mode是:

key1  key2   
a1    a2    0    T
b1    b2    0    T
      b3    0    T
c1    c2    0    F   # Tied mode so it gets 2 rows with the last
            1    T   # index level indicating the # of items tied for mode.