Python => Pandas => DataFrame ==>执行drop_duplicates（）时，有没有办法保留一些列从第一次出现和一些列从最后一次出现..？

让我们考虑以下示例。

<pre>

user swiped_in swiped_out ....

0 Bob 2019-02-25 09:50:32 2018-02-25 10:50:32 ....

1 Jane 2019-02-25 09:50:32 2019-02-25 11:50:32 ....

2 Alice 2019-02-25 09:50:32 2019-02-25 12:50:32 ....

3 Bob 2019-02-25 13:50:32 2019-02-25 14:50:32 ....

4 Bob 2019-02-25 15:50:32 2019-02-25 16:50:32 ....

</pre>

解决办法：使用DataFrameGroupBy.agg第一个和最后一个聚合函数，但所有其他列都丢失：

#if need convert to datetimes and sorting

c = ['swiped_in','swiped_out']

df[c] = df[c].apply(pd.to_datetime)

df = df.sort_values(c)

df = df.groupby('user', as_index=False).agg({'swiped_in':'first', 'swiped_out':'last'})

print (df)

user swiped_in swiped_out

0 Alice 2019-02-25 09:50:32 2019-02-25 12:50:32

1 Bob 2019-02-25 09:50:32 2019-02-25 16:50:32

2 Jane 2019-02-25 09:50:32 2019-02-25 11:50:32

如果有多个列具有唯一值，则需要聚合每列一些聚合函数 - 例如first：

print (df)

user swiped_in swiped_out col

0 Bob 2019-02-25 09:50:32 2018-02-25 10:50:32 q

1 Jane 2019-02-25 09:50:32 2019-02-25 11:50:32 w

2 Alice 2019-02-25 09:50:32 2019-02-25 12:50:32 e

3 Bob 2019-02-25 13:50:32 2019-02-25 14:50:32 r

4 Bob 2019-02-25 15:50:32 2019-02-25 16:50:32 y

c = ['swiped_in','swiped_out']

df[c] = df[c].apply(pd.to_datetime)

df = df.sort_values(c)

d = dict.fromkeys(df.columns.difference(['user', 'swiped_out']), 'first')

d['swiped_out'] = 'last'

df = df.groupby('user', as_index=False).agg(d)

print (df)

user col swiped_in swiped_out

0 Alice e 2019-02-25 09:50:32 2019-02-25 12:50:32

1 Bob q 2019-02-25 09:50:32 2019-02-25 16:50:32

2 Jane w 2019-02-25 09:50:32 2019-02-25 11:50:32

或者，如果多个新列的重复方式与user所有这些列的列聚合相同：

print (df)

user swiped_in swiped_out col

0 Bob 2019-02-25 09:50:32 2018-02-25 10:50:32 q

1 Jane 2019-02-25 09:50:32 2019-02-25 11:50:32 w

2 Alice 2019-02-25 09:50:32 2019-02-25 12:50:32 e

3 Bob 2019-02-25 13:50:32 2019-02-25 14:50:32 q

4 Bob 2019-02-25 15:50:32 2019-02-25 16:50:32 q

c = ['swiped_in','swiped_out']

df[c] = df[c].apply(pd.to_datetime)

df = df.sort_values(c)

cols = df.columns.difference(c).tolist()

df = df.groupby(cols, as_index=False).agg({'swiped_in':'first', 'swiped_out':'last'})

print (df)

col user swiped_in swiped_out

0 e Alice 2019-02-25 09:50:32 2019-02-25 12:50:32

1 q Bob 2019-02-25 09:50:32 2019-02-25 16:50:32

2 w Jane 2019-02-25 09:50:32 2019-02-25 11:50:32