基于两列删除重复项，同时删除不一致的数据

Question

我有一个这样的熊猫数据框：

   a  b  c
0  1  1  1
1  1  1  0
2  2  4  1    
3  3  5  0
4  3  5  0

其中前 2 列（'a' 和 'b'）是 ID，而最后一列（'c'）是验证（0 = neg，1 = pos）。我确实知道如何根据前 2 列的值删除重复项，但是在这种情况下，我还想删除不一致的数据，即验证为正数和负数的重复数据。因此，例如，前 2 行重复但不一致，因此我应该删除整个记录，而最后 2 行既重复又一致，因此我将保留其中一条记录。预期结果应该是：

   a  b  c
0  2  4  1
1  3  5  0

真实的数据框每组可以有两个以上的重复项，并且 如您所见，索引也已更改。谢谢。

Answer 1

首先通过GroupBy.transform 和SeriesGroupBy.nunique 过滤行，以便仅使用boolean indexing 和DataFrame.drop_duplicates 获取唯一值组：

df = (df[df.groupby(['a','b'])['c'].transform('nunique').eq(1)]
           .drop_duplicates(['a','b'])
           .reset_index(drop=True))
print (df)
   a  b  c
0  2  4  1
1  3  5  0

详情：

print (df.groupby(['a','b'])['c'].transform('nunique'))
0    2
1    2
2    1
3    1
4    1
Name: c, dtype: int64