Pandas的AB BA类型数据框去重复
作者：Victor 发布时间：2022-09-26 07:48:16
标签：Pandas,数据框,去复,AB类型,BA类型
从string-db下载蛋白质相互作用的信息，在处理时发现蛋白A与B互作被记录了两次比如下边的例子（即AB、BA）
df.drop_duplicates()
# Symbol1 Symbol2
# Gnai3 Pdcl2
# Pdcl2 Gnai3
# Gm4340 Gm3376
# Gm3376 Gm4340
而且drop_duplicates不能去除重复，因为他们在不同的列，因此可以想个方法，新建一列。
字符串的比较大小
字符串的比较大小是根据字符串按位比较，两个字符串第一位字符的ascii码谁大，字符串就大，不再比较后面的，比如
"Gnai3">"Pdcl2"
# False
对axis=1是对每一行循环，总是把大的放在前边。
df.loc[:,"temp"]=df.apply(lambda x: f"{x[0]}-{x[1]}" if x[0]>x[1] else f"{x[1]}-{x[0]}",axis=1)
# Symbol1 Symbol2 temp
# Gnai3 Pdcl2 Pdcl2-Gnai3
# Pdcl2 Gnai3 Pdcl2-Gnai3
# Gm4340 Gm3376 Gm4340-Gm3376
# Gm3376 m4340 Gm4340-Gm3376
对temp的行去重复
这个时候再对temp的行去重复，就可以了
df.drop_duplicates(subset="temp")
# Symbol1 Symbol2 temp
# Pdcl2 Gnai3 Pdcl2-Gnai3
# Gm4340 Gm3376 Gm4340-Gm3376
最后再删除temp列
df.drop_duplicates(subset="temp").drop(columns="temp")
# Symbol1 Symbol2
# Gnai3 Pdcl2
# Gm4340 Gm3376
来源：https://segmentfault.com/a/1190000043823295
0
投稿猜你喜欢
- Web2.0时代，体验式营销，体验式网站设计开始走向主流，那么体验式网站到底意味着什么？具体表现在那些地方？周末，根据建站的一点经验和观察，
本文实例讲述了Python使用logging模块实现打印log到指定文件的方法。分享给大家供大家参考，具体如下：可能我们经常会使用print- 构造查询条件worm是一款方便易用的Go语言ORM库。worm支Model方式（持结构体字段映射）、原生SQL以及SQLBuilder三种模
- 有时候我们需要判断某一个IP地址是否属于一个网段,以决定该用户能否访问系统.比如用户登录的IP是218.6.7.7,而我们的程序必须判断他是
- 关于MySQL的事务隔离级别，相信很多读者都不陌生，网商有很多种相关的文章，很多人对于各种隔离级别，以及不同的级别可以解决的一些读现象都是如
- 本文实例讲述了Python实现读取SQLServer数据并插入到MongoDB数据库的方法。分享给大家供大家参考，具体如下：# -*- co
- “正则表达式”对象，我们就可以非常方便的对各种数据进行合法性的校验了。首先，让我们来了解一下究竟什么
- django中的超链接，在template中可以用｛％ url 'app_name:url_name' param％｝其中a
- 前言实际工作中，偶尔遇到如下情况，例如使用Pandas计算如下相关系数，并把结果写入Excel文件中。correlations = df.c
- 在使用可视化树的过程中，报错了。说是‘dot.exe'not found in path原代码：# import tools nee
- 函数执行流程def foo1(b,b1=3): print("foo1 called",b,b1)def
- Python 数据库编程，ODBC方式实现通讯录，供大家参考，具体内容如下#-*-coding:utf-8-*-import pyodbci
- python的smtplib提供了一种很方便的途径发送电子邮件。它对smtp协议进行了简单的封装。smtp协议的基本命令包括：HELO 向服
- 最近的一个页面中碰到的，本来想用 border 来模拟设计图的虚线效果，但是很明显 border 效果不如设计图来的好看。顺便研究了下 da
- 上一次的错误太多，排版也出现了问题，重写了一遍，希望大家支持.循环遍历一个元素是开发中最常见的需求之一，那么让我们来看一个由框架BASE2和
- 我就废话不多说了，大家还是直接看代码吧！a1 = raw_input("please input a number")a
- new fun的执行过程分析，学习面向对象的朋友可以参考下。（1）创建一个新的对象，并让this指针指向它；（2）将函数的prototype
- 1.链式法则根据以前的知识，如果我们需要寻找到目标参数的值的话，我们需要先给定一个初值，然后通过梯度下降，不断对其更新，直到最终的损失值最小
- Series对象和DataFrame的列数据提供了cat、dt、str三种属性接口（accessors），分别对应分类数据、日期时间数据和字
- 加密算法分类 对称加密算法：对称加密采用了对称密码编码技术，它的特点是文件加密和解密使用相同的密钥发送方和接收方需要持有同一把密钥，发送消息
