根据多列中的相等值查找重复项

Question

我使用 pandas 获取了所有重复电子邮件的列表，但并非所有电子邮件重复实际上都是联系人的重复，因为公司可能很小，因此所有员工都拥有相同的电子邮件地址。

Email	FirstName	LastName	Phone	Mobile	Company
a@company-a.com	John	Doe	12342	65464	Company_a
a@company-a.com	John	Doe	43214	45645	Comp_ny A
a@company-a.com	Adam	Smith	34223	46456	Company A
b@company-b.com	Bill	Gates	23423	63453	Company B
b@company-b.com	Bill	Gates	32421	43244	Comp B
b@company-b.com	Elon	Musk	42342	34234	Company B

这就是为什么我想出以下条件来进一步过滤我的电子邮件重复列表：

我想提取数据框中电子邮件、名字和姓氏相等的所有情况，因为这几乎肯定意味着这是一个真正的重复。提取的数据框最终应如下所示：

Email	FirstName	LastName	Phone	Mobile	Company
a@company-a.com	John	Doe	12342	65464	Company_a
a@company-a.com	John	Doe	43214	45645	Comp_ny A
b@company-b.com	Bill	Gates	23423	63453	Company B
b@company-b.com	Bill	Gates	32421	43244	Comp B

我怎样才能到达那里？是否可以检查多个相等条件？

对于最佳做法的任何反馈，我将不胜感激。

谢谢！

Answer 1

使用pd.drop_duplicates

df.drop_duplicates(subset=['Email', 'FirstName', 'LastName'], keep='first')

输出

Email   FirstName   LastName    Phone   Mobile  Company
0   a@company-a.com John    Doe 12342   65464   Company_a
2   a@company-a.com Adam    Smith   34223   46456   Company A
3   b@company-b.com Bill    Gates   23423   63453   Company B
5   b@company-b.com Elon    Musk    42342   34234   Company B

获取副本

df[~df.index.isin(df.drop_duplicates(subset=['Email', 'FirstName', 'LastName'], keep='first').index)]

输出

Email   FirstName   LastName    Phone   Mobile  Company
1   a@company-a.com John    Doe 43214   45645   Comp_ny A
4   b@company-b.com Bill    Gates   32421   43244   Comp B