如何在 python 数据表 h2oai 中删除重复项

Question

python (https://github.com/h2oai/datatable/) 中的数据表包可以计算列中唯一值的数量，有没有办法用这个包删除重复值，或者我必须使用慢 pandas 包？

Answer 1

如果您想在单个列中查找唯一值，则可以使用函数 dt.unique()，它接受一个列和 returns 一个包含原始所有唯一值的新列：

>>> import datatable as dt
>>> DT = dt.Frame(A=[1, 3, 2, 1, 4, 2, 1], B=list("ABCDEFG"))
>>> dt.unique(DT["A"])
   |  A
-- + --
 0 |  1
 1 |  2
 2 |  3
 3 |  4

[4 rows x 1 column]

另一方面，如果您有一个多列框架，并且您只想保留其中一列中具有唯一值的行，那么这相当于按该列分组，并且可以接近因此：

>>> from datatable import f, by, first
>>> DT[:, first(f[1:]), by(f[0])]
   |  A  B 
-- + --  --
 0 |  1  A 
 1 |  2  C 
 2 |  3  B 
 3 |  4  E 

[4 rows x 2 columns]

如何在 python 数据表 h2oai 中删除重复项

How to drop duplicates in a python datatable h2oai

python

duplicates

py-datatable