Python Pandas: 如何删除*正确*重复的行？
Python Pandas: How to drop the *correct* duplicate row?
我有一个 Pandas 数据框，看起来像：
ID, Customer, Status, Score, Size
01, Cust-A, NaN, 100, A
01, Cust-A, Valid, 100, A
02, Cust-B, Invalid, 80, B
02, Cust-B, Invalid, NaN, B
03, Cust-C, Valid, 95, C
04, Cust-D, Invalid, 76, NaN
04, Cust-D, NaN, 76, NaN
...
以此类推
如何删除 正确的 行？
我想在 ID-01 的情况下删除第一行，在 ID-02 的情况下删除第二行，在 ID-04 的情况下我想保留第一行，因为它是更少的 NaN
一个选项是计算每个 ID 的缺失值总数，提取最小缺失值的索引（idxmin()）并使用该索引对原始数据框进行子集化：
df.loc[df.groupby('ID', as_index=False).apply(lambda g: g.isnull().sum(axis=1).idxmin())]
# ID Customer Status Score Size
#1 1 Cust-A Valid 100.0 A
#2 2 Cust-B Invalid 80.0 B
#4 3 Cust-C Valid 95.0 C
#5 4 Cust-D Invalid 76.0 NaN
我有一个 Pandas 数据框，看起来像：
ID, Customer, Status, Score, Size
01, Cust-A, NaN, 100, A
01, Cust-A, Valid, 100, A
02, Cust-B, Invalid, 80, B
02, Cust-B, Invalid, NaN, B
03, Cust-C, Valid, 95, C
04, Cust-D, Invalid, 76, NaN
04, Cust-D, NaN, 76, NaN
...
以此类推
如何删除 正确的 行？
我想在 ID-01 的情况下删除第一行，在 ID-02 的情况下删除第二行，在 ID-04 的情况下我想保留第一行，因为它是更少的 NaN
一个选项是计算每个 ID 的缺失值总数，提取最小缺失值的索引（idxmin()）并使用该索引对原始数据框进行子集化：
df.loc[df.groupby('ID', as_index=False).apply(lambda g: g.isnull().sum(axis=1).idxmin())]
# ID Customer Status Score Size
#1 1 Cust-A Valid 100.0 A
#2 2 Cust-B Invalid 80.0 B
#4 3 Cust-C Valid 95.0 C
#5 4 Cust-D Invalid 76.0 NaN