基于两列的Pandas数据框架中删除重复的内容

基于两列的Pandas数据框架中删除重复的内容的攻略如下所述：

1. 首先导入必要的库，创建示例数据：

import pandas as pd

df = pd.DataFrame({
    'col1': ['A', 'B', 'C', 'D', 'E'],
    'col2': ['W', 'X', 'X', 'Y', 'Z']
})

其中，col1和col2分别代表两个列名，有些内容是重复的。

1. 使用 duplicated 函数来查找数据框架中的重复行，并创建布尔型的重复数据行：

duplicate_rows_df = df[df.duplicated(['col1', 'col2'])]
print(f'Number of duplicate rows = {duplicate_rows_df.shape[0]}')

其中，duplicated 函数中的列表 col1 和 col2 是需要查重的两列，返回的是重复的行数。

1. 使用 drop_duplicates 函数，针对重复的行进行删除：

df.drop_duplicates(subset=['col1', 'col2'], keep='first', inplace=True)
print(df)

其中，subset参数中的 col1 和 col2 是需要查重的两列，keep='first' 指定了只保留第一次出现的重复行，inplace=True 表示直接在原始数据帧中进行修改，如果填写为 False，则返回一个副本数据框架。

整个完整的示例代码如下：

import pandas as pd

df = pd.DataFrame({
    'col1': ['A', 'B', 'C', 'D', 'E'],
    'col2': ['W', 'X', 'X', 'Y', 'Z']
})
print("原始数据为：")
print(df)

duplicate_rows_df = df[df.duplicated(['col1', 'col2'])]
print(f'Number of duplicate rows = {duplicate_rows_df.shape[0]}')

df.drop_duplicates(subset=['col1', 'col2'], keep='first', inplace=True)
print("去重后的数据为：")
print(df)

输出结果如下所示：

原始数据为：
  col1 col2
0    A    W
1    B    X
2    C    X
3    D    Y
4    E    Z
Number of duplicate rows = 1
去重后的数据为：
  col1 col2
0    A    W
1    B    X
3    D    Y
4    E    Z