如何在python中编写条件以仅删除具有2个或更多重复项的重复项答案

【问题标题】：How to write a condition in python to only remove duplicates that have 2 and more duplicates如何在python中编写条件以仅删除具有2个或更多重复项的重复项
【发布时间】：2021-08-15 00:17:07
【问题描述】：

我有一个包含重复产品 ID 的数据集。但是，我只想从“翻译”列中删除所有值为“否”的重复项 - 到目前为止，我有这个：

df2 = df.drop_duplicates(subset="Product ID ")

但是，我需要添加条件以仅删除那些重复两次以上的产品 ID，例如：

Product ID | Translation (Column name) 
58965        Yes 
58965        Yes  
58965        No

我想只保留前两行并删除带有条件的最后一行，Translation = No 从上面的示例中。怎么写？

谢谢大家！

【问题讨论】：

尝试做这样的事情：df.loc[df.groupby('Product ID').cumcount().lt(2)]
@rhug123 你的回答是正确的。你想把它作为答案吗？
肯定会那样做
谢谢@rhug123 - 因为骗子不按顺序排列，所以我忘了提一下，此外，我想至少让那些骗子的价值为“否” “翻译”栏 - 我将如何在您的答案中写下？ df.loc[df.groupby('Product ID').cumcount().lt(2)]
在您使用Translation 编辑的列中，最后一行是No。所以你还想删除最后一行？

标签： python pandas duplicates conditional-statements

【解决方案1】：

试试这个：

df.loc[df.groupby('Product ID').cumcount().lt(2)]

【讨论】：

谢谢你，它起作用了，但是，由于被骗者不按顺序排列，我忘了提一下，此外，我想至少让那些被骗者留下一个有价值的人' “翻译”列中的“否”-我将如何在您的答案中写下？ df.loc[df.groupby('Product ID').cumcount().lt(2)] – 再次感谢！ @rhug123
会在上面提供的答案之前添加df = df.sort_values('Translation') 给您所需的内容吗？
实际上，我不想保留 Translation = No - 我如何编写保留所有产品 ID 重复项，除了具有 Translation = No 的那些？泰@rhug123

【解决方案2】：

很遗憾，我认为您不能使用drop_duplicates() 来解决这个问题。我会说使用计数器，当“产品 ID”的计数超过 2 时，开始将它们设置为 NaN，然后您可以在最后使用 df.dropna()。

类似：

from collections import Counter
import numpy as np

c = Counter()
for index, row in df:
    pid = row['Product ID']
    c[pid] += 1
    if c[pid] > 2:
        df.loc[index, 'Product ID'] = np.nan

df.dropna(inplace=True)

【讨论】：