该pandas drop_duplicates功能非常适合“统一”数据帧。但是，要传递的关键字参数之一是take_last=True或take_last=False，而我想删除所有在列的子集中重复的行。这可能吗？

    A   B   C
0   foo 0   A
1   foo 1   A
2   foo 1   B
3   bar 1   A

作为一个例子，我想下降匹配列的行A和C所以这应该丢弃的行0和1。

现在，通过drop_duplicates和keep参数，这在熊猫中要容易得多。

import pandas as pd
df = pd.DataFrame({"A":["foo", "foo", "foo", "bar"], "B":[0,1,1,1], "C":["A","A","B","A"]})
df.drop_duplicates(subset=['A', 'C'], keep=False)

只想添加到本对drop_duplicates的答案中：

keep ：{'first'，'last'，False}，默认为'first'

• first：删除第一次出现的重复项。

• last：除去最后一次出现的重复项。

• False：删除所有重复项。

因此，将其设置keep为False将为您提供所需的答案。

DataFrame.drop_duplicates（* args，** kwargs）返回删除了重复行的DataFrame，可以选择仅考虑某些列

参数：subset：列标签或标签序列，可选的仅考虑某些列来标识重复项，默认情况下使用所有列keep：{'first'，'last'，False}，默认为'first'first：删除重复项，除了第一次出现。last：除去最后一次出现的重复项。False：删除所有重复项。take_last：已弃用，就位：布尔值，默认为False是否将副本放置在适当位置或返回副本cols：仅kwargs子集的参数[不建议使用]返回：重复数据删除：DataFrame

如果要将结果存储在另一个数据集中：

df.drop_duplicates(keep=False)

要么

df.drop_duplicates(keep=False, inplace=False)

如果需要更新相同的数据集：

df.drop_duplicates(keep=False, inplace=True)

上面的示例将删除所有重复项并保留一个，类似于DISTINCT *SQL

使用groupby和filter

import pandas as pd
df = pd.DataFrame({"A":["foo", "foo", "foo", "bar"], "B":[0,1,1,1], "C":["A","A","B","A"]})
df.groupby(["A", "C"]).filter(lambda df:df.shape[0] == 1)

实际上，仅删除第0行和第1行（保留包含匹配的A和C的所有观察值）：

In [335]:

df['AC']=df.A+df.C
In [336]:

print df.drop_duplicates('C', take_last=True) #this dataset is a special case, in general, one may need to first drop_duplicates by 'c' and then by 'a'.
     A  B  C    AC
2  foo  1  B  fooB
3  bar  1  A  barA

[2 rows x 4 columns]

但是我怀疑您真正想要的是什么（保留包含匹配的A和C的观察值）：

In [337]:

print df.drop_duplicates('AC')
     A  B  C    AC
0  foo  0  A  fooA
2  foo  1  B  fooB
3  bar  1  A  barA

[3 rows x 4 columns]

编辑：

因此，现在更加清楚了：

In [352]:
DG=df.groupby(['A', 'C'])   
print pd.concat([DG.get_group(item) for item, value in DG.groups.items() if len(value)==1])
     A  B  C
2  foo  1  B
3  bar  1  A

[2 rows x 3 columns]

试试这些各种各样的东西

df = pd.DataFrame({"A":["foo", "foo", "foo", "bar","foo"], "B":[0,1,1,1,1], "C":["A","A","B","A","A"]})

>>>df.drop_duplicates( "A" , keep='first')

要么

>>>df.drop_duplicates( keep='first')

要么

>>>df.drop_duplicates( keep='last')