使用条件从 Pandas DF 中删除重复项

Question

我有一个如下所示的 Pandas df：

当前 df：

<头>

案例	任务	Text_Present
123	电子邮件	是
123	外展	否
456	会话	否
456	电子邮件	否

我想删除重复的案例，但基于 Text_Present 字段的条件。

如果出现“是”，请保留出现“是”的记录。如果不存在“是”（例如：案例 456），则保留 456 的记录之一 - 与哪个记录无关。

我基本上是想了解 % Yes 到 % No，但由于“描述”字段导致案例重复这一事实，数学是关闭的 - 因为我想计算任何有任何任务中的“是”，就该案例而言只是“是”。

我的目标输出是：

<头>

案例	任务	Text_Present
123	电子邮件	是
456	会话	否

最终，我想在一个简单的条形图中将 % Yes 与 % No 进行比较，但重复会导致百分比不准确。

据我所知，df.drop 只提供第一个和最后一个。

谢谢大家！

Answer 1

您可以根据 Case 和 Text_Present 对值进行排序。然后您可以将重复项放在 Case 列上并保留最后一个。由于 "Yes" 按字母顺序排在 "No" 之后，因此它将位于最后位置并保留：

>>> df.sort_values(["Case", "Text_Present"]).drop_duplicates("Case", keep="last")

   Case   Task Text_Present
0   123  Email          Yes
3   456  Email           No