根据Python中的多个interpendant条件删除重复项

Question

我想从给定一些相当复杂的编码的数据框中删除重复项。考虑数据帧

df = pd.DataFrame({'id' : [1, 1, 1, 1, 2, 2, 2, 3, 3], 
        'dup' : [1, 2, 2, 2, 3, 4, 4, 5, 5], 
        'a' : [False, True, False, True, False, True, False, False, False], 
        'b' : [False, False, True, True, False, False, False, False, False], 
        'data' : [0, 1, 2, 3, 0, 1, 2, 0, 0]}) 


     a  b data dup id 
0 False False  0 1 1 
1 True False  1 2 1 
2 False True  2 2 1 
3 True True  3 2 1 
4 False False  0 3 2 
5 True False  1 4 2 
6 False False  2 4 2 
7 False False  0 5 3 
8 False False  0 5 3 

id指示哪些行属于在一起并dup是在其上数据被视为复制的变量。所以，0到3行属于一起，1到3行是重复的。和行相若方式4〜6属于一起，行5和6是重复等

我想根据以下规则，以便移除重复：

1. ，如果存在一个行，使得两个柱a AND列b是True，保留该行并放弃其余部分。
2. 条件1不会发生，如果存在行，使得其中任何一列a或列b是True，保留该行并删除其余
3. 如果没有1或2情况下，请重复的行之一。哪个并不重要。

将所得帧应该是这样的

 a  b data dup id 
0 False False  0 1 1 
3 True True  3 2 1 
4 False False  0 3 2 
5 True False  1 4 2 
7 False False  0 5 3 

关于情况下两个以上的重复的行服从这样

 a  b data dup id 
0 False False  0 3 2 
1 True False  1 4 2 
2 False True  2 4 2 

根据真实其中两个行1和2是相同的规则规则2.根据导致数据框的逻辑，这些情况是不可能的。

Answer 1

给你：

df=df.sort_values(by=['dup','a','b'],ascending=[True,False,False]) 
df=df.drop_duplicates(subset='dup',keep='first') 

首先我整理对于您的规则行：由DUP，然后把第一只是那些真正的“A”（也可能是对“B”太） 。然后删除与'dup'相关的重复行，保持第一次遇到。