パンダで繰り返し値を取り除くにはどうすればいいですか？

Question

私は2つのCSVを持っています。一つは、政治家のための寄付金についてです：各行は寄付であり、各ラインは、ドナーの会社とその会社の連邦政府登録番号の名前がある（CPF_CNPJ_doador - 国の各企業のためのユニークな）を

CPF_CNPJ_doador Nome_doador        Valor 
73668675000187 CWVGRAFICA EDITORA E BAZAR EIRELI LTDA ME 1000,00 

83647909000163 CARBONIFERA CRICIUMA S/A 1750,00 

10731057000114 HAROLDO AZEVEDO CONSTRUÇÕES LTDA 100,00 
... 

他CSVには環境不規則な企業があります。あなたは、その会社の会社名と連邦登録番号（CPF_CNPJ - 国内の各社固有のもの）を含むいくつかのデータを持っています。 しかし同社は、このCSVで複数回表示されることがあります - それは私がこれら二つのCSVのパンダマージ（Pythonの3）製の

Nome_Razao_Social CPF_CNPJ 
Carajas Madeiras Industria e Comercio Ltda - Me 02579504000214 
Carbo Gás Ltda 03828695000435 
Carbomil Química S/A 07645062000108 
Carbomil Química S/A 07645062000108 
... 

例えば不規則で複数の関連会社を有していてもよい：

ibama_doadores = pd.merge(eleitos_d_doadores, ibama, left_on = 'CPF_CNPJ_doador', right_on = 'CPF_CNPJ') 

を問題は、コマンドが両方のCSVでの結果の一致を探すということですが、2番目のCSV CPF_CNPJ_doadorが複数回表示されるたびに、行を繰り返し：

CPF_CNPJ_doador Nome_doador_originario 
7645062000108.0 CARBOMIL QUIMICA S A 
7645062000108.0 CARBOMIL QUIMICA S A 
7645062000108.0 CARBOMIL QUIMICA S A 
... 

繰り返し値を排除するマージタイプはありますか？アイテムは、第二のデータベースで検索した場合

Answer 1

を繰り返し、私は1つの可能な解決策は、両方のデータフレームで重複を削除だと思う：

ibama_doadores = pd.merge(eleitos_d_doadores.drop_duplicates('CPF_CNPJ_doador'), 
          ibama.drop_duplicates('CPF_CNPJ'), 
          left_on = 'CPF_CNPJ_doador', 
          right_on = 'CPF_CNPJ') 

またはカウントの重複のために新しい列を作成し、参加するために、このコラムを追加します。

eleitos_d_doadores['g'] = eleitos_d_doadores.groupby('CPF_CNPJ_doador').cumcount() 
ibama['g'] = ibama.groupby('CPF_CNPJ').cumcount() 

ibama_doadores = pd.merge(eleitos_d_doadores, 
          ibama, 
          left_on = ['CPF_CNPJ_doador','g'], 
          right_on = ['CPF_CNPJ','g']).drop('g', 1) 

サンプル：

eleitos_d_doadores = pd.DataFrame({ 
    'CPF_CNPJ_doador': ['a','b','c','c','a'], 
    'B': list(range(1,6)) 
}) 

ibama = pd.DataFrame({ 
    'CPF_CNPJ': ['a','b','a','a','c'], 
    'C': list(range(5)) 
}) 

ibama_doadores = pd.merge(eleitos_d_doadores.drop_duplicates('CPF_CNPJ_doador'), 
          ibama.drop_duplicates('CPF_CNPJ'), 
          left_on = 'CPF_CNPJ_doador', 
          right_on = 'CPF_CNPJ') 
print (ibama_doadores) 
    B CPF_CNPJ_doador C CPF_CNPJ 
0 1    a 0  a 
1 2    b 1  b 
2 3    c 4  c 

---

eleitos_d_doadores['g'] = eleitos_d_doadores.groupby('CPF_CNPJ_doador').cumcount() 
ibama['g'] = ibama.groupby('CPF_CNPJ').cumcount() 

ibama_doadores = pd.merge(eleitos_d_doadores, 
          ibama, 
          left_on = ['CPF_CNPJ_doador','g'], 
          right_on = ['CPF_CNPJ','g']).drop('g', 1) 

print (ibama_doadores) 
    B CPF_CNPJ_doador C CPF_CNPJ 
0 1    a 0  a 
1 2    b 1  b 
2 3    c 4  c 
3 5    a 2  a