删除重复项时的索引值

Question

所以我有一个pandas数据框，其中一列包含每个条目的文本文件名称列表。 我试图通过打开每个文本文件来编译所有文本数据后，找到所有重复项并使用唯一的文本数据重建一个单独的数据框 我可以删除所有重复项，只需简单地对长长的列表进行迭代，并将其设置为一组即可。 但是问题是，我想跟踪原始数据帧中每个条目的哪些文本文件名（重要：每个条目都有自己的文件夹以及文本文件，因此文本文件名不会在条目之间共享）与textdata < / p>

我想到了一个解决方案，我不知道这是否是计算效率方面最简单的方法，但我一直坚持让枚举部分起作用：

1. 枚举类似列表的列表：

   [（0，[（0，'a'），（1，'b'）]），（1，[（0，'c'）]），（2，[（0，1）， （1、2），（2、3）]）]

2. 记录与每个索引关联的值

3. 使用以上值作为键并使用索引作为值来构建字典

当我尝试访问枚举值时（我知道，对于循环很糟糕）：

 new SparkConf()
   //all of your other settings
   .set("spark.mongodb.input.partitionerOptions.partitionKey", "h")

即使项目是列表，我也无法在第二行使用'int'对象

同样，要求的是解决该问题的更好的常规解决方案，或者提出一种访问枚举的更好的解决方案

谢谢

编辑：一个更好的例子：

for item in test:
    for a,outer in item:
        for b,inner in outer:
            print (a,b,inner)

等...