请注意,在转向您之前,我已经浏览了各种帖子。事实上,我尝试实现中提供的解决方案:根据“不在”条件从数据帧中删除行
我的问题如下。假设我有一个巨大的数据框,我想删除其中的重复项。我很清楚我可以使用 drop_duplicates 因为它是最快的最简单的方法。但是,我们的老师希望我们创建一个包含重复项 ID 的列表,然后根据这些值是否包含在上述列表中来删除它们。
#My list
list1 = ['s1' , 's2']
print(len(list1))
#My dataframe
data1 = pd.DataFrame(data={'id':['s1' , 's2', 's3', 's4', 's5' , 's6']})
print(len(data1))
#Remove all the rows that hold a value contained in list1 matched against the 'id' column
data2 = data1[~data1.id.isin(list1)]
print(len(data2))
现在,让我们看看输出:
Len list1 = 135
Len data1 = 8942
Len data2 = 8672
因此,我得出的结论是,我的代码以某种方式将要删除的行加倍并删除它们。
但是,当我遵循 drop_duplicates 方法时,我的代码运行良好并删除了 135 行。
你们中的任何人都可以帮助我理解为什么会发生这种情况吗?我试图尽可能简化这个问题。
非常感谢!