python - 如何在熊猫中按组将重复数据放在单个列中？

Question

如果 df 按 A、B 和 C 分组，看起来像这样：

    A    B      C    D
    1    53704  hf   51602
                     51602   
                     53802
                ss   53802
                     53802
    2    12811  hf   54205
                hx   50503

我尝试了以下内容，这与另一篇文章中的内容类似：

    df.groupby([df['A'], df['B'], df['C']]).drop_duplicates(cols='D')

这显然是不正确的，因为它会产生一个空的数据框。我还尝试了 drop_duplicates 的另一种变体，它只是从“D”中删除所有重复项，无论它在哪个组中。我正在寻找的输出是：

    A    B      C   D
    1    53704  hf  51602
                    53802
                ss  53802
    2    12811  hf  54205
                hx  50503

因此，只有当它们被分组到相同的 A/B/C 组合中时，重复项才会被删除。

Answer 1

假设这些只是列，您可以drop_duplicates直接使用：

In [11]: df.drop_duplicates(cols=list('ABCD'))
Out[11]: 
   A      B   C      D
0  1  53704  hf  51602
2  1  53704  hf  53802
3  1  53704  ss  53802
5  2  12811  hf  54205
6  2  12811  hx  50503

如果您对所有列的重复项感兴趣，则无需指定：

In [12]: df.drop_duplicates()
Out[12]: 
   A      B   C      D
0  1  53704  hf  51602
2  1  53704  hf  53802
3  1  53704  ss  53802
5  2  12811  hf  54205
6  2  12811  hx  50503

Answer 2

更新已接受答案的语法。在 pandas 1.1.1 + 中：

df.drop_duplicates(cols=list('ABCD'))

应改为：

df.drop_duplicates(subset=list('ABCD'))