パンダ：私はデータセット持っている条件

Question

に基づいSOME重複する値を削除します。

id url  keep_if_dup 
1  A.com Yes 
2  A.com Yes 
3  B.com No 
4  B.com No 
5  C.com No 

を、私は、重複を削除すなわち「URL」フィールドの最初の発生を保つ、しかしフィールド「keep_if_dup場合は重複を維持したいです"はYESです。

予想される出力：

id url  keep_if_dup 
1  A.com Yes 
2  A.com Yes 
3  B.com No 
5  C.com No 

私が試したもの：もちろん考慮されていません

Dataframe=Dataframe.drop_duplicates(subset='url', keep='first') 

"keep_if_dup" フィールド。出力は次のとおりです。

id url  keep_if_dup 
1  A.com Yes 
3  B.com No 
5  C.com No 

Answer 1

最初はCOL「keep_if_dup」==は「はい」、これはかどうかの反転ブールマスクで（|を使用して）or EDであるすべての行を保持し、locに複数のブール条件を渡すことができますCOL 'URL' 欄には、重複したりされていません。

df = df.loc[(df['keep_if_dup'] =='Yes') | ~df['url'].duplicated()] 

壊すdは：

In [79]: 
df.loc[(df['keep_if_dup'] =='Yes') | ~df['url'].duplicated()] 

Out[79]: 
    id url keep_if_dup 
0 1 A.com   Yes 
1 2 A.com   Yes 
2 3 B.com   No 
4 5 C.com   No 

が戻って自己割り当てあなたのDFを上書きします上記の2つのブール型マスクを示しています：

In [80]: 
~df['url'].duplicated() 

Out[80]: 
0  True 
1 False 
2  True 
3 False 
4  True 
Name: url, dtype: bool 

In [81]: 
df['keep_if_dup'] =='Yes' 

Out[81]: 
0  True 
1  True 
2 False 
3 False 
4 False 
Name: keep_if_dup, dtype: bool