如何处理具有相同 ID 但在 python 中的列中具有不同值的数据框中的记录
How to handle records in dataframe with same ID but some different values in columns in python
我正在使用 pandas 处理数据框，其中包含客户的银行（贷款）详细信息。有一个问题，因为一些唯一的贷款 ID 已经被记录了 2 次，分别对某些特征具有不同的值。我附上截图更具体。
现在您看到例如这个唯一的贷款 ID 已经被记录了 2 次。我想用 nan 值删除第二个，但我不能手动完成，因为有 4900 个类似的案例。有什么想法吗？
不是NaN值的问题，是双记录的问题。我只想为双记录而不是整个数据帧删除具有 nan 值的行
提前致谢
计算 > 1 行的行数，然后仅删除 > 1 行的 nan。
df['flag'] = df.groupby(['Loan ID', 'Credit ID'])['Loan ID'].transform('count')
df = df.loc[df['flag'] > 1].dropna(subset=['Credit Score', 'Annual Income']).drop('flag', axis=1)
不删除 nan 行，只取信用评分或年收入不是 nan 的行：
df = df[df['Credit Score'].notna()]
我正在使用 pandas 处理数据框，其中包含客户的银行（贷款）详细信息。有一个问题，因为一些唯一的贷款 ID 已经被记录了 2 次，分别对某些特征具有不同的值。我附上截图更具体。
现在您看到例如这个唯一的贷款 ID 已经被记录了 2 次。我想用 nan 值删除第二个，但我不能手动完成，因为有 4900 个类似的案例。有什么想法吗？
不是NaN值的问题，是双记录的问题。我只想为双记录而不是整个数据帧删除具有 nan 值的行 提前致谢
计算 > 1 行的行数，然后仅删除 > 1 行的 nan。
df['flag'] = df.groupby(['Loan ID', 'Credit ID'])['Loan ID'].transform('count')
df = df.loc[df['flag'] > 1].dropna(subset=['Credit Score', 'Annual Income']).drop('flag', axis=1)
不删除 nan 行，只取信用评分或年收入不是 nan 的行：
df = df[df['Credit Score'].notna()]