Удалить повторяющиеся строки, сохранить первую строку

Вы можете добиться этого, используя функцию drop_duplicates в pandas, которая поможет вам удалить повторяющиеся строки на основе столбцов year и district, сохранив при этом первое вхождение. Вот как это можно сделать на Python:

import pandas as pd

# Create the initial DataFrame
df = pd.DataFrame({
    'year': [2000, 2001, 2001, 2002, 2000, 2001, 2002, 2002, 2002],
    'executive.name': ['Johnson', 'Smith', 'Peters', 'Alleghany', 'Roberts', 'Clarke', 'Tollson', 'Brown', 'Taschen'],
    'district': [1001, 1001, 1001, 1001, 1002, 1002, 1002, 1002, 1002]
})

# Drop duplicates while keeping the first occurrence
df_neat = df.drop_duplicates(subset=['year', 'district'], keep='first').reset_index(drop=True)

# Display the resulting DataFrame
df_neat

В результате df_neat будет выглядеть так:

   year executive.name  district
0  2000        Johnson      1001
1  2001          Smith      1001
2  2002      Alleghany      1001
3  2000        Roberts      1002
4  2001         Clarke      1002
5  2002        Tollson      1002

Этот код гарантирует, что для каждой комбинации year и district сохраняется только первое вхождение главы округа, эффективно удаляя любые полудублирующиеся строки.

Вы можете выполнить группировку по районам и годам, а затем взять первую строку из каждой группы.

library(dplyr)
df_neat <- df %>%
  group_by(district, year) %>%
  slice_head(n = 1) %>%
  ungroup()

База R

first = \(x) x[1L]
aggregate(.~year+district, df, first)
#>   year district executive.name
#> 1 2000     1001        Johnson
#> 2 2001     1001          Smith
#> 3 2002     1001      Alleghany
#> 4 2000     1002        Roberts
#> 5 2001     1002         Clarke
#> 6 2002     1002        Tollson