如何使用pandas删除基于特定列的重复值？

Question

目前，我将以下数据框从Excel导入到pandas中，我想删除基于两列值的重复值。在

# Python 3.5.2
# Pandas library version 0.22

import pandas as pd 

# Save the Excel workbook in a variable
current_workbook  = pd.ExcelFile('C:\\Users\\userX\\Desktop\\cost_values.xlsx')

# convert the workbook to a data frame
current_worksheet = pd.read_excel(current_workbook, index_col = 'vend_num') 

# current output
print(current_worksheet)


| vend_number |      vend_name         | quantity |  source  |
| ----------- |----------------------- | -------- | -------- | 
    CHARLS      Charlie & Associates      $5,700.00   Central
    CHARLS      Charlie & Associates      $5,700.00   South
    CHARLS      Charlie & Associates      $5,700.00   North
    CHARLS      Charlie & Associates      $5,700.00   West
    HUGHES      Hughinos                  $3,800.00   Central
    HUGHES      Hughinos                  $3,800.00   South
    FERNAS      Fernanda Industries       $3,500.00   South
    FERNAS      Fernanda Industries       $3,500.00   North
    FERNAS      Fernanda Industries       $3,000.00   West
    ....

我要删除列quantity和source中的重复值：

1. 查看“数量”和“源”列值：

   1.1条。如果供应商的数量在同一行中相等 供应商和源不等于中心，则删除重复的 来自此供应商的行，但行中心除外。在

   1.2条。否则，如果同一供应商的另一行中的供应商数量相等，并且没有源中心，则删除重复的行。

期望结果

^{pr2}$

到目前为止，我已经尝试了以下代码，但是pandas甚至没有检测到任何重复的行。在

print(current_worksheet.loc[current_worksheet.duplicated()])
print(current_worksheet.duplicated())

我试图找出解决办法，但我在这个问题上挣扎了不少，所以在这个问题上的任何帮助都是非常感谢的。请随意改进问题。在

Answer 1

有一种方法。在

df['CentralFlag'] = (df['source'] == 'Central')

df = df.sort_values('CentralFlag', ascending=False)\
       .drop_duplicates(['vend_name', 'quantity'])\
       .drop('CentralFlag', 1)

#   vend_number           vend_name   quantity   source
# 0      CHARLS  Charlie&Associates  $5,700.00  Central
# 4      HUGHES            Hughinos  $3,800.00  Central
# 6      FERNAS  FernandaIndustries  $3,500.00    South
# 8      FERNAS  FernandaIndustries  $3,000.00     West

说明

• 创建一个标志列，按此降序排序，这样就可以优先使用中心列。在
• 按vend_name和quantity排序，然后删除标志列。在