我有两个数据框,每个数据框都有数百列。
#df1 = 190 columns
#df2 = 262 columns
#subset dataframe
df1 = pd.DataFrame({'Key': ['10003', '10009', '10010', '10034', '10665'],
'Num1': [12,13,13,13,13],
'Color': ['red','orange','red','red','red'],
'Date1': [20120506, 20120506, 20120506,20120506,20120620],
'Date2': [20120528, 20120507, 20120615,20120629,20120621]})
df2 = pd.DataFrame({'Key': ['10003', '10009', '10010', '10011', '10012','10034','10034', '10034'],
'Num1': [12,13,13,13,13,13,14,14],
'Num2': [121,122,122,124,125,126,127,128],
'Date1': [20120506, 20120506, 20120506,20120506,20120620,20120506,20120206,20120405],
'Date2': [20120528, 20120507, 20120615,20120629,20120621,20120629,20120506,20120506]})
我想删除 df2 中也在 df1 中的所有行,但保持 df1 不变。
使用 pd.concat() 或 merge() 时我非常接近,但问题是我创建了一堆不必要的列 [使用 concat() 和 merge()] 并且添加了仅在 df1 中找到的行到 df2 [使用 concat()]。实际上,当“Key”、“Date1”、“Num”和“Date2”在行中常见时,它们可以被视为重复项。
下面的尝试很接近,但它添加了 df1 中的额外列并保留 df1 中的所有额外行。我不需要 df1 中的任何附加列或行,只是为了删除两个 dfs 中存在的 df2 中的任何重复项。 df1 将保持不变。
a = pd.concat([df2,df1])
a.drop_duplicates(subset=['Key', 'Num1','Date1','Date2'],keep=False, inplace=True)
Color Date1 Date2 Key Num1 Num2
3 NaN 20120506 20120629 10011 13 124.0
4 NaN 20120620 20120621 10012 13 125.0
6 NaN 20120206 20120506 10034 14 127.0
7 NaN 20120405 20120506 10034 14 128.0
4 red 20120620 20120621 10665 13 NaN
我也根据here的建议尝试了合并。 ,但我仍然得到重复的列。
df_all = df2.merge(df1.drop_duplicates(), on=['Key', 'Num1','Date1','Date2'],
how='left', indicator=True)
df_all[df_all['_merge'] == 'left_only']
合并结果,
Date1 Date2 Key Num1 Num2 Color _merge
3 20120506 20120629 10011 13 124 NaN left_only
4 20120620 20120621 10012 13 125 NaN left_only
6 20120206 20120506 10034 14 127 NaN left_only
7 20120405 20120506 10034 14 128 NaN left_only
合并让我获得了正确的行和额外的列。通常这不会是一个问题,我可以只使用 .drop() 但合并后有 100 多个额外的列。
如何删除重复项,而无需从 df1 中增加列或添加其他行。
最终预期结果:
Date1 Date2 Key Num1 Num2
3 20120506 20120629 10011 13 124.0
4 20120620 20120621 10012 13 125.0
6 20120206 20120506 10034 14 127.0
7 20120405 20120506 10034 14 128.0
最佳答案
使用on
键作为df1
的子集
In [514]: on = ['Date1', 'Date2', 'Num1', 'Key']
In [515]: (df2.merge(df1[on], on=on, how='left', indicator=True)
.query('_merge == "left_only"').drop('_merge', 1))
Out[515]:
Date1 Date2 Key Num1 Num2
3 20120506 20120629 10011 13 124
4 20120620 20120621 10012 13 125
6 20120206 20120506 10034 14 127
7 20120405 20120506 10034 14 128
关于python - 如果在另一个数据框中找到重复项,如何从一个数据框中删除重复项,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48912242/