我正在尝试编写一些有效的代码，以删除熊猫数据框的行，其中特定列中的值是同一列中其他值（至少一个值的子集）的子字符串。例如，考虑B以下输入数据框中的列：
| | A | B |
|---|----|------------|
| 0 | 22 | ab |
| 1 | 33 | abc |
| 2 | 44 | abcd |
| 3 | 55 | a |
| 4 | 66 | john |
| 5 | 77 | john Doe |
| 6 | 88 | jo |
| 7 | 99 | john hi Doe|
输出数据框：
| | A | B |
|---|----|------------|
| 2 | 44 | abcd |
| 5 | 77 | john Doe |
| 7 | 99 | john hi Doe|
行0，1和3已被删除，因为其所有值的柱B（ab，abc，和a）是在该列中（即其它值的子串abcd）。第4行和第6行也是如此。
您可以使用一些列表推导来检查行字符串是否在数据框的其他行中：
m = df['B'].apply(lambda x: any([x for y in df['B'] if x != y if x in y]))
df = df[~m]
df
Out[1]:
A B
2 44 abcd
5 77 john Doe
7 99 john hi Doe
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句