根据现有条件删除 DataFrame 行

Question

给定以下 pandas df -

Holding Account	Account Type	Column A	Column B
Rupert 06 (23938996)	Holding Account	1825973	1702598
Rupert 07 (23938996)	Holding Account	1697870	1825973
-	-	-	-
Caroline 06 (0131465)	Holding Account	11112222	5435450
Caroline 07 (0131465)	Holding Account	7896545	11112222

我一直在努力寻找一种方法来执行以下操作 -

第 1 步 - 对于整个 df，搜索出现在 A 列中的 B 列值的实例
（示例：Caroline 07 的 B 列 == Caroline 06)
第 2 步 - 满足上述条件的行应将 B 列值更改为其匹配行的 B 列值
（示例：Caroline 7 B 列值将更改从 11112222 到 5435450

这意味着 pandas df 现在看起来如下 -

Holding Account	Account Type	Column A	Column B
Rupert 06 (23938996)	Holding Account	1825973	1702598
Rupert 07 (23938996)	Holding Account	1697870	1702598
-	-	-	-
Caroline 06 (0131465)	Holding Account	11112222	5435450
Caroline 07 (0131465)	Holding Account	7896545	5435450

代码实现：下面的代码实现步骤1和2 -

import numpy as np
df['Column B'] = np.where(df['Column B'].isin(df['Column A'].values),df['Column B'].shift(),df['Column B'])

我需要帮助的地方：我想扩展代码，包括以下内容：

第 3 步 - 删除列 A 值与另一行的列 B 匹配的行，一旦第 2 步完成
（例如：Rupert 06 (23938996) 和 Caroline 06 (0131465) 将被删除，因为他们收到来自 Rupert 07 (23938996) 和 Caroline 07 (0131465).

Holding Account	Account Type	Column A	Column B
Rupert 07 (23938996)	Holding Account	1697870	1702598
Caroline 07 (0131465)	Holding Account	7896545	5435450

有谁知道如何适当扩展代码？

Answer 1

不使用 np.where，只需计算一些掩码：

rows_to_remove = df['Column A'].isin(df['Column B'])
df.loc[df['Column B'].isin(df['Column A'].values), 'Column B'] = df.loc[rows_to_remove, 'Column B'].to_numpy()
df = df[~rows_to_remove]

输出：

>>> df
         Holding Account     Account Type  Column A  Column B
1   Rupert 07 (23938996)  Holding Account   1697870   1702598
3  Caroline 07 (0131465)  Holding Account   7896545   5435450

根据现有条件删除 DataFrame 行

Drop DataFrame Row Based on Existing Condition

pandas

dataframe

numpy

shift

isin