python - Eliminar filas duplicadas del marco de datos de Pandas donde solo algunas columnas tienen el mismo valor

dataframe duplicates

Question

Tengo un marco de datos de pandas de la siguiente manera:

A B C
1 2 x
1 2 y
3 4 z
3 5 x

Quiero que solo quede 1 fila de filas que compartan los mismos valores en columnas específicas. En el ejemplo anterior me refiero a las columnas A y B. En otras palabras, si los valores de las columnas A y B aparecen más de una vez en el marco de datos, solo debe quedar una fila (lo que no importa).

FWIW: el número máximo de las llamadas filas duplicadas (es decir, donde las columnas A y B son iguales) es 2.

El resultado debería verse así:

A B C
1 2 x
3 4 z
3 5 x

o

A B C
1 2 y
3 4 z
3 5 x

Answer 1

Use drop_duplicates con el subset parámetros, para mantener solo las últimas filas duplicadas, agregue keep=''last'' :

df1 = df.drop_duplicates(subset=[''A'',''B''])
#same as
#df1 = df.drop_duplicates(subset=[''A'',''B''], keep=''first'')
print (df1)
A B C
0 1 2 x
2 3 4 z
3 3 5 x

df2 = df.drop_duplicates(subset=[''A'',''B''], keep=''last'')
print (df2)
A B C
1 1 2 y
2 3 4 z
3 3 5 x