无需networkx，按索引值对Pandas数据集去重的更Pythonic方法

针对你需要按索引（id）分组，保留每个组内code唯一值的需求，这里提供几个更简洁、Pythonic的实现方式：

方案1：利用groupby + unique + explode #

直接按索引分组，提取每组唯一的code后展开，无需手动处理索引名称：

df = df.groupby(level=0)['code'].unique().explode().reset_index(name='code').set_index(df.index.name or 'index')

• 逻辑清晰，直接对应“按id分组去重”的需求
• 适配性强：无论索引是否有名称都能正常工作（df.index.name or 'index'处理无索引名的情况）

方案2：优化重置索引的写法 #

针对你原代码的痛点，优化后可兼容无索引名的场景：

temp_df = df.reset_index(drop=False)
result_df = temp_df.drop_duplicates().set_index(temp_df.columns[0])

• 核心改进：用temp_df.columns[0]自动获取原索引对应的列名，无需手动指定，解决了索引无名称时的失效问题

方案3：直接生成唯一标识过滤（无需操作索引） #

通过组合索引和code生成唯一标识，直接过滤重复项，完全不需要重置/设置索引：

# 生成由索引和code组成的唯一元组序列
unique_keys = pd.Series(list(zip(df.index, df['code'])))
# 过滤掉重复的项
df = df[~unique_keys.duplicated()]

• 全程不改动索引结构，最贴合你“不应重置索引”的诉求
• 原理：利用元组的可哈希性，将索引和code的组合作为去重依据，精准过滤每组内的重复code

内容的提问来源于stack exchange，提问作者Michael Tuchman