Получите другие столбцы после применения уникального/отличного в одном столбце панд кадра данных

Проблема

Я пытаюсь получить выбранные столбцы в фрейме данных, однако столбец, для которого я пытаюсь получить выбранные столбцы, должен быть уникальным.

Сценарий

Таким образом, Dataframe имеет все значения в строках, и, пожалуйста, не пытайтесь связать что-либо с данными. ДФ выглядит примерно так:

А Б С Д Е 12 Привет 1 текст число 123 Белло 2 текст сомневаюсь 7 хороший 1 текст число 54 герцог 1 текст число 9901 - 3 уголь сомневаюсь 63,38 - 4 уголь деци 8331 - 3 уголь сомневаюсь 91 , 5 уголь число

И я хочу запустить .unique() в столбце C и получить столбцы D и E вместе с различными/уникальными значениями C.

Судебный процесс

Теперь я добился желаемого результата, но я уверен, что это можно сделать и в очень нескольких строках. Для справки, вот мой код. main_df содержит приведенную выше таблицу.

dependent_variables = ["D", "E"]
Dictionary = pd.DataFrame()

new_book = {}
dependent_variables_index = []

for no, col in enumerate(main_df.columns):
    print(no, col)
    if col in dependent_variables:
        dependent_variables_index.append(no)

for cid in total_categories:
    try:
        new_book[cid] = main_df[main_df["C"] == int(cid)].iloc[0, dependent_variables_index].to_dict()
    except KeyError:
        new_book[cid] = main_df[main_df["C"] == str(cid)].iloc[0, dependent_variables_index].to_dict()

for k, v in new_book.items():
    Dictionary = Dictionary.append(v, ignore_index=True)

Dictionary.index = list(new_book.keys())
Category_Dictionary = Dictionary.reset_index().rename(columns = {"index": "C"})

Ожидаемый результат

С Д Е 1 текст число 2 текст сомневаюсь 3 уголь сомневаюсь 4 уголь деци 5 уголь число

Опять же, я мог бы сгенерировать этот вывод, однако я ищу более оптимизированный способ сделать то же самое.

Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python.
Некоторые методы, о которых вы не знали, что они существуют в Python.
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
1
0
111
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Это:

df[['C','D','E']].drop_duplicates('C')

Выход:

   C     D     E
0  1   txt   num
1  2   txt  doub
4  3  char  doub
5  4  char  deci
7  5  char   num

Дайум, это было так просто! Ты пришел мне на помощь во второй раз, @Quang. Я думаю, мне нужно больше искать документацию по преобразованию данных.

T3J45 18.12.2020 16:56

Другие вопросы по теме