子集熊猫数据框

Question

我有一个包含以下列的 pandas 数据框：cust_email, transaction_id, transaction_timestamp

我想对 pandas 数据框进行子集化，并仅包括那些只有一笔交易的电子邮件 ID（即，cust_email 只有一个 transaction_id, transaction_timestamp）

Answer 1

您可以使用drop_duplicates并将参数keep设置为False。如果要按特定列删除重复项，可以使用 subset 参数：

df.drop_duplicates(subset="cust_email", keep=False)

例如

import pandas as pd

data = pd.DataFrame()
data["col1"] = ["a", "a", "b", "c", "c", "d", "e"]
data["col2"] = [1,2,3,4,5,6,7]

print(data)
print()
data.drop_duplicates(subset="col1", keep=False)

https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.drop_duplicates.html