删除熊猫记录中的重复值

Question

我想删除动物列每行中的重复项。

我需要这样的东西 post，但在 python 中。由于某种原因，我现在无法解决这个问题，我遇到了障碍。

我试过使用 drop duplicates、unique、nunique 等。没有成功。

df.drop_duplicates(subset=None, keep="first", inplace=False) df


df = pd.DataFrame ({'animals':['pink pig, pink pig, pink pig','brown cow, brown cow','pink pig, black cow','brown horse, pink pig, brown cow, black cow, brown cow']})

#input:
    animals
0   pink pig, pink pig, pink pig
1   brown cow, brown cow
2   pink pig, black cow
3   brown horse, pink pig, brown cow, black cow, brown cow

#I would like the output to look like this:
    animals
0   pink pig
1   brown cow
2   pink pig, black cow
3   brown horse, pink pig, brown cow, black cow

Answer 1

这样做：

df = pd.DataFrame ({'animals':['pink pig, pink pig, pink pig','brown cow, brown cow','pink pig, black cow','brown horse, pink pig, brown cow, black cow, brown cow']})


df['animals2'] = df.animals.apply(lambda x: ', '.join(list(set(x.split(', ')))))

输出：

0                                       pink pig
1                                      brown cow
2                            pink pig, black cow
3    brown cow, brown horse, pink pig, black cow

解释：

我把你的字符串变成了一个列表。然后我把列表变成一个集合来删除重复项。然后我把这个集合变成一个列表，然后我把列表拆分成一个字符串。有什么不明白的地方请告诉我！

Answer 2

如果您希望保留项目的原始顺序（转换为集合会使它们无序），以下函数应该有效。

def drop_duplicates(items):
    # `items` is a comma separated string, e.g. "dog, dog, cat".
    result = []
    seen = set()
    for item in items.split(','):
        item = item.strip()
        if item not in seen:
            seen.update([item])
            result.append(item)
    return ', '.join(result)

>>> df['animals'].apply(drop_duplicates)
0                pig
1                cow
2           pig, cow
3    horse, pig, cow
Name: animals, dtype: object

删除熊猫记录中的重复值

Remove Duplicates values in a Panda's Record

python

dataframe

duplicates

distinct-values