pandas: drop duplicates in groupby #39;date#39;( pandas :在 groupby date 中删除重复项)
问题描述
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.
In the dataframe below, I would like to eliminate the duplicate cid
values so the output from df.groupby('date').cid.size()
matches the output from df.groupby('date').cid.nunique()
.
我看过这个 post 但它似乎没有解决问题的可靠方法.
I have looked at this post but it does not seem to have a solid solution to the problem.
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')
给出此错误: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'
df.groupby([df['date']]).drop_duplicates(cols='cid')
gives this error:AttributeError: Cannot access callable attribute 'drop_duplicates' of 'DataFrameGroupBy' objects, try using the 'apply' method
df.groupby(('date').drop_duplicates('cid'))
gives this error:AttributeError: 'str' object has no attribute 'drop_duplicates'
推荐答案
您不需要 groupby 删除基于几列的重复项,您可以指定一个子集:
You don't need groupby to drop duplicates based on a few columns, you can specify a subset instead:
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
这篇关于 pandas :在 groupby 'date' 中删除重复项的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持编程学习网!
本文标题为:pandas :在 groupby 'date' 中删除重复项
基础教程推荐
- 哪些 Python 包提供独立的事件系统? 2022-01-01
- Python 的 List 是如何实现的? 2022-01-01
- 使 Python 脚本在 Windows 上运行而不指定“.py";延期 2022-01-01
- 使用 Google App Engine (Python) 将文件上传到 Google Cloud Storage 2022-01-01
- 如何在 Python 中检测文件是否为二进制(非文本)文 2022-01-01
- 症状类型错误:无法确定关系的真值 2022-01-01
- 使用Python匹配Stata加权xtil命令的确定方法? 2022-01-01
- 合并具有多索引的两个数据帧 2022-01-01
- 将 YAML 文件转换为 python dict 2022-01-01
- 如何在Python中绘制多元函数? 2022-01-01