使用条件从 Pandas DF 中删除重复项

Question

我有一个如下所示的 pandas df：

当前df：

Case	Task	Text_Present
123	Email	Yes
123	Outreach	No
456	Session	No
456	Email	No

我想删除重复的案例，但基于 Text_Present 字段的条件。

如果出现“是”，请保留出现“是”的记录。如果不存在“是”（例如：案例 456），则保留 456 的记录之一 - 不管是哪一个。

我基本上是想了解 % Yes 到 % No，但由于“描述”字段导致案例重复，因此数学计算不正确 - 因为我想计算任何有任何任务中的“是”都只是该案例的“是”。

我的目标输出是：

Case	Task	Text_Present
123	Email	Yes
456	Session	No

最终，我想在一个简单的条形图中比较 % Yes 和 % No，但重复导致百分比不准确。

据我所知，df.drop 只提供第一个和最后一个。

谢谢大家！

Answer 1

您可以根据Case 和Text_Present 对值进行排序。然后您可以将重复项放在Case 列上并保留最后一个。由于"Yes" 按字母顺序排在"No" 之后，因此它将位于最后位置并保留：

>>> df.sort_values(["Case", "Text_Present"]).drop_duplicates("Case", keep="last")

   Case   Task Text_Present
0   123  Email          Yes
3   456  Email           No