在下面的数据框中,我想消除重复的 cid
值,以便 df.groupby('date').cid.size()
的输出匹配df.groupby('date').cid.nunique()
的输出。
我看过这个post但似乎并没有很好的解决问题的办法。
df = pd.read_csv('https://raw.githubusercontent.com/108michael/ms_thesis/master/crsp.dime.mpl.df')
df.groupby('date').cid.size()
date
2005 7
2006 237
2007 3610
2008 1318
2009 2664
2010 997
2011 6390
2012 2904
2013 7875
2014 3979
df.groupby('date').cid.nunique()
date
2005 3
2006 10
2007 227
2008 52
2009 142
2010 57
2011 219
2012 99
2013 238
2014 146
Name: cid, dtype: int64
我尝试过的事情:
df.groupby([df['date']]).drop_duplicates(cols='cid')
给出了这个错误:AttributeError: Cannot access callable attribute 'drop_duplicates' of ' DataFrameGroupBy' 对象,尝试使用 'apply' 方法
df.groupby(('date').drop_duplicates('cid'))
给出此错误:AttributeError: 'str' object has no attribute 'drop_duplicates'
最佳答案
您不需要 groupby 来基于几列删除重复项,您可以改为指定一个子集:
df2 = df.drop_duplicates(["date", "cid"])
df2.groupby('date').cid.size()
Out[99]:
date
2005 3
2006 10
2007 227
2008 52
2009 142
2010 57
2011 219
2012 99
2013 238
2014 146
dtype: int64
关于python - Pandas :在 groupby 'date' 中删除重复项,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37105609/