两个 pandas 列具有相同的值，但写法不同

Question

我有一个 DataFrame，其中多个列包含相同的数据，但存储方式不同。

例如，一列全是承运人名称（AA 代表美国航空公司等），另一列全是承运人 ID。

如何快速检查这两列是否实际上填充了相同的信息（每个 Carrier 确实只有一个 ID？）目标是安全地删除两列之一？

到目前为止，我有以下内容：

#for each carrier
for carrier in data.CARRIER.unique():
    #print all the different AIRLINE_ID that appear when we subset the data for this carrier
    print(carrier, data[ data['CARRIER'] == carrier].AIRLINE_ID.unique())

这为我返回了每个运营商的每个唯一 ID 的列表，并且由于每个 CARRIER 只有一个 ID 值，我可以安全地删除其中一列。

我只是想知道是否有一个 pandas 函数可以在没有循环和检查的情况下执行此操作。 （因为我在某处读到过，每当您开始编写代码来操作 DF 时，某个函数可能存在于某处^^）

感谢您的宝贵时间

Answer 1

使用groupby、nunique和all：

(df.groupby('ID')['CARRIER'].nunique().eq(1)).all()

如果每个ID 只有一个CARRIER，这将返回True，否则返回False。

例如：

当每个ID 有一个CARRIER 时

>>> df
   ID  CARRIER
0   1   AA
1   2   BB
2   3   CC
3   1   AA
4   2   BB

>>> (df.groupby('ID')['CARRIER'].nunique().eq(1)).all()
True

但另一方面，当每个ID 有多个不同的名称时（这里，ID 2 有 2 个不同的CARRIER）：

>>> df
   ID   CARRIER
0   1   AA
1   2   BB
2   3   CC
3   1   AA
4   2   DD

>>> (df.groupby('ID')['CARRIER'].nunique().eq(1)).all()
False

您还可以使用以下方法查看哪个ID 具有多个CARRIER 值：

>>> df.groupby('ID')['CARRIER'].nunique()
ID
1    1
2    2
3    1
Name: Name, dtype: int64

这表明 ID 2 有 2 个唯一的 CARRIER 值