返回所有集群而没有重复项

Question

我有一组集群数据。每个集群包含一组项目，示例如下：

集群 1) (1,1), (1,2)

簇 2) (2,2),(2,3),(2,4),(2,5)

集群 3) (3,1),(3,2),(3,3)

集群 4) (4,3),(4,4),(4,6),(4,7)

import pandas as pd

d = {'ID': [1, 1, 2, 2, 2, 2, 3, 3, 3, 4, 4, 4, 4], 'Item': [1, 2, 2, 3, 4, 5, 1, 2, 3, 3, 4, 6, 7]}
df = pd.DataFrame(data=d)

ID      Item
1        1
1        2
2        2
2        3
2        4
2        5
3        1
3        2
3        3
4        3
4        4
4        6
4        7

考虑到最终数据帧不能包含相同的项目，我需要从最终数据帧中的每个集群中获取至少一个项目，例如所需的输出数据帧：

ID      Item
1        1
1        2
2        4
2        5
3        3
4        6
4        7

我已经尝试执行以下操作，它保留了第一次出现，但它给出了以下结果，因为 ID 3 的记录在数据帧中都出现过：

df.drop_duplicates(subset='Item', keep='first')

ID      Item
1        1
1        2
2        3
2        4
2        5
4        6
4        7

然后，如果我尝试保持最后一次出现，如下所示，它最终会丢弃 ID 1，因为它的所有项目稍后都出现在数据框中：

df.drop_duplicates(subset='Item', keep='last')

ID      Item
2        5
3        1
3        2
4        3
4        4
4        6
4        7

你们对我该怎么做有什么想法吗？

非常感谢。

Answer 1

好的，从数据框中的列中删除重复项不是问题。您的问题描述性不够，无法帮助我更快地提出解决方案。 看问题如下：

给定四组数据（数据框中的 ID）。每个集群包含一组项目（您在数据框中的项目）。

集群 1) (1,1), (1,2)

簇 2) (2,2),(2,3),(2,4),(2,5)

集群 3) (3,1),(3,2),(3,3)

集群 4) (4,3),(4,4),(4,6),(4,7)

考虑到最终数据帧不得包含相同的项目（您已指示为重复项）这一事实，我们应该在最终数据帧中的每个集群中至少包含一个项目。 清楚吗？

示例：从集群一开始，将两个项目放入数据框中。 (1,1)(1,2)

从簇 2 中，放入项目 3、4、5，它们分别是 (2,3)、(2,4)、(2,5)

但是，当您看到集群 3 时，您可能会注意到您已经在最终数据框中包含来自该集群的项目（第一个集群中的项目 1 和 2）和（第二个集群中的项目 3）。但是，就您应该考虑每个集群中的至少一个项目而言，您可以从集群 2 中删除项目 3，并将集群 3 中的项目 3 放入最终数据框中。 （这就是重点）让我们选择（3,3）

从第 4 组中，您可以获取 (4,4),(4,6),(4,7) 项。

现在，python 专家可以帮助我们了解如何在 python 中有效地编写它以自主找到解决方案。