python - 根据两列的值删除数据框 pandas 中的重复项

Question

我有一个包含某些商品的客户数据框，如下所示:

Customer ID     Item
     1         Banana
     1         Apple
     2         Orange
     3         Grape
     4         Banana
     4         Apple
     5         Orange
     5         Grape
     6         Orange

我愿意做的是删除具有相同项目的所有重复客户，因此结果应如下所示:

Customer ID     Item
     1         Banana
     1         Apple
     2         Orange
     3         Grape
     5         Orange
     5         Grape

由于客户 4 拥有与客户 1 相同的商品。客户 6 也拥有 2 的商品。

预先感谢您的帮助!

Answer 1

不确定这是不是你的意思。但是，如果您指的是基于商品的重复项，则可以将每个客户的商品收集为卡住集(如果唯一)或元组(如果不唯一)，然后应用drop_duplicates；稍后根据客户 ID 对原始数据框进行过滤。

df[df["Customer ID"].isin(df.groupby("Customer ID").Item.apply(frozenset).drop_duplicates().index)]

或者，如果项目不是唯一的并且顺序并不重要:

df[df["Customer ID"].isin(df.groupby("Customer ID")
                            .Item.apply(lambda x: tuple(sorted(x)))
                            .drop_duplicates().index)]