我在使用正确的 Pandas 函数在其列 lugar 中的 dict 中删除重复值的数据框中的行时遇到问题。
这是数据框的数据:
{'calculado': {73683: '2021-05-27 00:43:46',
83767: '2021-05-27 00:43:46',
103395: '2021-05-27 00:43:46',
105314: '2021-05-27 00:43:46',
116555: '2021-05-27 00:43:46',
120764: '2021-05-27 00:43:46',
120892: '2021-05-27 00:43:46',
122760: '2021-05-27 00:43:46',
124269: '2021-05-27 00:43:46',
125707: '2021-05-27 00:43:46'},
'geom': {73683: '17.649999999999995,-93.65',
83767: '15.55,-93.25',
103395: '11.45,-98.45',
105314: '11.049999999999997,-98.55',
116555: '8.75,-78.45',
120764: '7.849999999999997,-89.54999999999998',
120892: '7.849999999999997,-76.75',
122760: '7.449999999999998,-81.95',
124269: '7.149999999999999,-75.04999999999998',
125707: '6.849999999999998,-75.25'},
'lat': {73683: 17.649999999999995,
83767: 15.55,
103395: 11.45,
105314: 11.049999999999997,
116555: 8.75,
120764: 7.849999999999997,
120892: 7.849999999999997,
122760: 7.449999999999998,
124269: 7.149999999999999,
125707: 6.849999999999998},
'lon': {73683: -93.65,
83767: -93.25,
103395: -98.45,
105314: -98.55,
116555: -78.45,
120764: -89.54999999999998,
120892: -76.75,
122760: -81.95,
124269: -75.04999999999998,
125707: -75.25},
'lugar': {73683: {'distancia': 12.55,
'mensaje': '13 kms. de Huimanguillo, Tabasco, México',
'nombre': 'Huimanguillo, Tabasco, México',
'pais': 'mx'},
83767: {'distancia': 16.74,
'mensaje': '17 kms. de Pijijiapan, Chiapas, 30540, México',
'nombre': 'Pijijiapan, Chiapas, 30540, México',
'pais': 'mx'},
103395: 'Mar abierto',
105314: 'Mar abierto',
116555: {'distancia': 6.7,
'mensaje': '7 kms. de Río Congo Arriba, Distrito Santa Fe, Darién, Panamá',
'nombre': 'Río Congo Arriba, Distrito Santa Fe, Darién, Panamá',
'pais': 'pa'},
120764: 'Mar abierto',
120892: {'distancia': 5.83,
'mensaje': '6 kms. de Veraguas, Panamá',
'nombre': 'Veraguas, Panamá',
'pais': 'co'},
122760: {'distancia': 100.26,
'mensaje': '100 kms. de Veraguas, Panamá',
'nombre': 'Veraguas, Panamá',
'pais': 'pa'},
124269: {'distancia': 12.09,
'mensaje': '12 kms. de Anorí, Nordeste, Antioquia, Región Andina, 052857, Colombia',
'nombre': 'Anorí, Nordeste, Antioquia, Región Andina, 052857, Colombia',
'pais': 'co'},
125707: {'distancia': 4.03,
'mensaje': '4 kms. de Guadalupe, Norte, Antioquia, Región Andina, Colombia',
'nombre': 'Guadalupe, Norte, Antioquia, Región Andina, Colombia',
'pais': 'co'}},
'valor': {73683: 198,
83767: 198,
103395: 197,
105314: 198,
116555: 198,
120764: 198,
120892: 198,
122760: 198,
124269: 196,
125707: 198},
'variable': {73683: 'T',
83767: 'T',
103395: 'T',
105314: 'T',
116555: 'T',
120764: 'T',
120892: 'T',
122760: 'T',
124269: 'T',
125707: 'T'}}
如您所见,卢格列有一个字典,其中一个键是 名称 在这种情况下,值:Veraguas,Panamá 是重复的,我想删除重复的数据帧行,并为具有字典和键的行的每个名称保留一行 卢格柱子。我尝试过的一种方法是使用键的值创建一个新列,然后运行 drop_duplicates 但我无法获取列内的值。但我可以像这样在第一行得到它
df_asc['lugar'].iloc[0]['nombre']
-> Huimanguillo,塔巴斯科,墨西哥有没有办法在不循环 df 手动执行此操作的情况下执行此操作?我对 Python 和 Pandas 真的很陌生。
编辑:预期结果我转换为 csv 以便能够在电子表格中删除,因为我无法用 Pandas 来做...
最佳答案
通过 loc
的选项+ duplicated
+ isna
:
s = df['lugar'].str['nombre']
df.loc[~s.duplicated() | s.isna()]
calculado ... variable
73683 2021-05-27 00:43:46 ... T
83767 2021-05-27 00:43:46 ... T
103395 2021-05-27 00:43:46 ... T
105314 2021-05-27 00:43:46 ... T
116555 2021-05-27 00:43:46 ... T
120764 2021-05-27 00:43:46 ... T
120892 2021-05-27 00:43:46 ... T
124269 2021-05-27 00:43:46 ... T
125707 2021-05-27 00:43:46 ... T
[9 rows x 7 columns]
关于python - 在列中字典内的值上删除数据框上的重复项,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/67714397/