删除重复行并保留非零列中的值

Question

我有一个如下所示的数据框：

ID  |in_tier_1 | tier_1_location |in_tier_2 | tier_2_location
100 |1         |Sydney           |0         | 0
100 |0         |0                |1         | Paris
112 |0         |0                |1         | Paris
112 |1         |NYC              |          | 

我想删除重复项，但保留列中的非零值

ID  |in_tier_1 | tier_1_location |in_tier_2 | tier_2_location
100 |1         |Sydney           |1         | Paris
112 |1         |NYC              |1         | Paris

我尝试通过id 分组并使用.agg() 功能，但没有成功。你能帮忙吗？

Answer 1

按您的 ID 分组并在将 0 和 '0' 替换为 NaN 后回填 NaN，以便更容易回填。然后，因为bfill() 广播回数据帧，所以回到同一键上的另一个分组并选择第一个元素。

>>> df.replace(0, np.nan).replace('0', np.nan).groupby(level=0).bfill().groupby(level=0).first()
     in_tier_1 tier_1_location  in_tier_2 tier_2_location
ID                                                       
100        1.0          Sydney        1.0           Paris
112        1.0             NYC        1.0           Paris

如果ID 不是您的索引而是一个列，请用groupby('ID') 替换groupby(level=0)（仅在第一个实例中：因为第一个groupby 返回一个带有索引ID 的df，您第二次需要使用level=0进行分组，除非你也通过as_index=False）。

也可以选择ffill 选择last，但这只是镜像对称。