python - 为什么 pandas 会丢弃唯一的行？

Question

我正在尝试在 pandas 中使用 drop_duplicates() 函数，但似乎 pandas 正在破坏唯一数据:

example.py

import pandas as pd

data = pd.read_csv("test.csv")
data = data.drop_duplicates(keep="first")
data.to_csv("out.csv", index=False)

测试.csv

x,y
3,5
3,5
4,9
6,5
7,0
8,1
0,2

输出.csv

x,y
3,5
4,9
6,5
8,1
0,2

现在，我希望 pandas 删除第二行 3,5，因为它实际上是重复的。但为什么它也会掉落 7,0？这对我来说毫无意义。这种现象导致我在放大时丢失了数千行唯一数据。我只是不明白什么吗？来自documentation它说“默认情况下使用所有列”，在我看来这意味着“只有当一行的所有列都与另一行的所有列匹配时才删除一行”，但显然情况并非如此。

我正在使用 Python 3.4，但不确定在 Python 2.X 上是否会发生同样的事情。

编辑:

无需使用 CSV 也可重现:

import pandas as pd

raw_data = {'x': [7,6,3,3,4,8,0],'y': [0,6,5,5,9,1,2]}
df = pd.DataFrame(raw_data, columns = ['x', 'y'])

print("Before:", df)
df = df.drop_duplicates()
print("After:", df)

github 的人们现在已经知道了，所以在它被修复之前，我想解决方案是要么使用评论中的解决方法，要么暂时切换到 Python 2.7。

Answer 1

这绝对是一个错误，暂时你可以做一个临时修复

import pandas as pd

data = pd.read_csv("data.csv")

data = data.drop_duplicates(subset=['x'], keep="first")

Sepcifying subset 似乎可以解决问题。

   x  y
0  3  5
2  4  9
3  6  5
4  7  0
5  8  1
6  0  2