按条件 python pandas 选择重复项

Question

我有一个简单的数据框，我想在某些条件下将其分开。

Car	Year	Speed	Cond
BMW	2001	150	X
BMW	2000	150
Audi	1997	200
Audi	2000	200
Audi	2012	200	X
Fiat	2020	180
Mazda	2022	183

我要做的是将副本复制到另一个数据框中，并在我的主数据框中只留下一行。

• Car 列中重复的行我想分成一个单独的数据框，但我不需要cond 列中有 X 的行。
• 在主数据框中，我想保留一行。我希望左行是在 cond 列中包含 X 的行

我有代码：

import pandas as pd
import numpy as np

cars = {'Car': {0: 'BMW', 1: 'BMW', 2: 'Audi', 3: 'Audi', 4: 'Audi', 5: 'Fiat', 6: 'Mazda'},
        'Year': {0: 2001, 1: 2000, 2: 1997, 3: 2000, 4: 2012, 5: 2020, 6: 2022},
        'Speed': {0: 150, 1: 150, 2: 200, 3: 200, 4: 200, 5: 180, 6: 183},
        'Cond': {0: 'X', 1: np.nan, 2: 'X', 3: np.nan, 4: np.nan, 5: np.nan, 6: np.nan}}

df = pd.DataFrame.from_dict(cars)
df_duplicates = df.loc[df.duplicated(subset=['Car'], keep = False)].loc[df['Cond']!='X']

我不知道如何让主数据框只剩下一行在cond 列中另外包含X 也许有一个命令可以根据上述规则删除并选择另一个数据框？

Answer 1

如果我正确理解所需的逻辑，您可以使用 groupby.idxmax 选择每组的第一个 X（如果有的话）（否则是组的第一行），以保留在主 DataFrame 中。其余的放在另一个 DataFrame (df2) 中。

# get indices of the row with X is any, else of the first one per group
keep = df['Cond'].eq('X').groupby(df['Car']).idxmax()

# drop selected rows
df2 = df.drop(keep)
# keep selected rows
df = df.loc[keep]

输出：

# updated df1
     Car  Year  Speed Cond
 0    BMW  2001    150    X
 2   Audi  1997    200    X
 5   Fiat  2020    180  NaN
 6  Mazda  2022    183  NaN

# df2
     Car  Year  Speed Cond
 1   BMW  2000    150  NaN
 3  Audi  2000    200  NaN
 4  Audi  2012    200  NaN