相关疑难解决方法(0)

问题：

如何在 Pandas 数据框中分别考虑每一行（并可能用 NaN 替换它们），从每一行中删除重复的单元格值？

如果我们可以将所有新创建的 NaN 移到每一行的末尾，那就更好了。

例子：

import pandas as pd
df = pd.DataFrame({'a': ['A', 'A', 'C', 'B'],
                   'b': ['B', 'D', 'B', 'B'],
                   'c': ['C', 'C', 'C', 'A'],
                   'd': ['D', 'D', 'B', 'A']},
                   index=[0, 1, 2, 3])

这创造了这个df：

按列分组以在另一列中查找最频繁的值。例子：

import pandas as pd
d = {'col1': ['green','green','green','blue','blue','blue'],'col2': ['gx','gx','ow','nb','nb','mj']}
df = pd.DataFrame(data=d)
df

给出：

col1   col2
green  gx
green  gx
green  ow
blue   nb
blue   nb
blue   xv

结果：

因为green拥有gx和blue拥有nb

我有这个数据框，如果我有重复的行，如果它们完全相同（梅赛德斯exp），我怎样才能做出条件，我只保留一个（不求和）或者如果有一个求和（起亚案例）租金/售价差异

Df 示例

  cars      rent  sale
  Kia       1     2
  Bmw       1     4
  Mercedes  2     1
  Ford      1     1
  Kia       4     5
  Mercedes  2     1

我写这段代码：

import pandas as pd 

df=pd.DataFrame({'cars':['Kia','Bmw','Mercedes','Ford','Kia','Mercedes'],
                'rent':[1,1,2,1,4,2],
                'sale':[2,4,1,1,5,1]})

df=df.groupby(['cars']).sum().reset_index()
print(df)

我得到这个输出：

       cars  rent  sale
0       Bmw     1     4
1      Ford     1     1
2       Kia     5     7
3  Mercedes     4     2

预期输出：

        cars  rent  sale
0       Kia     5     7
1       Bmw     1     4
2  Mercedes     2     1
3      Ford     1     1

我有一个熊猫数据框（这里用excel表示）：

现在我想删除特定行 (B) 的所有重复项 (1)。我该怎么做 ？

对于此示例，结果将如下所示：