如何在Pandas DataFrame中删除符合指定条件的行但保留首行？

针对你的需求，我们可以通过两种实用的方式实现，下面分别介绍：

方法一：布尔掩码过滤（高效简洁） #

这种方法通过组合条件筛选出需要保留的行：非目标类型的所有行 + 目标类型的首次出现行，处理速度快，适合大型数据集。

代码示例 #

import pandas as pd

# 构造示例DataFrame
data = {'Type': ['A', 'X', 'X', 'E', 'Y'], 'Count': [4, 33, 5, 51, 7]}
df = pd.DataFrame(data)

# 定义需要保留首行的目标类型
target_types = ['X', 'Y']

# 构造筛选掩码
mask = df['Type'].isin(target_types)
filtered_df = df[~(mask & df['Type'].duplicated(keep='first'))]

print(filtered_df)

输出结果 #

Type  Count
0    A      4
1    X     33
3    E     51

逻辑解释 #

• df['Type'].isin(target_types)：标记所有Type为X/Y的行
• df['Type'].duplicated(keep='first')：标记Type列中重复出现的行（仅保留首次出现的行，后续重复行标记为True）
• mask & df['Type'].duplicated(...)：筛选出既是目标类型又是重复出现的行（这些是我们要删除的）
• 取反（~）后，就得到了需要保留的行集合

方法二：分组处理（直观易懂） #

如果更倾向于按类型分组的逻辑，可以对Type列分组后，针对目标类型只保留首行，其他类型保留全部行：

代码示例 #

import pandas as pd

data = {'Type': ['A', 'X', 'X', 'E', 'Y'], 'Count': [4, 33, 5, 51, 7]}
df = pd.DataFrame(data)

target_types = ['X', 'Y']

# 分组处理：目标类型取首行，其他类型取全部
result_df = df.groupby('Type', group_keys=False).apply(
    lambda group: group.head(1) if group.name in target_types else group
)

print(result_df)

输出结果 #

和方法一完全一致：

Type  Count
0    A      4
1    X     33
3    E     51

逻辑解释 #

• 按Type列分组后，对每个组判断是否属于目标类型
• 如果是目标类型，用head(1)只保留第一行；否则保留整个组的所有行
• group_keys=False避免分组键作为额外列出现，若需要连续索引，可添加reset_index(drop=True)

两种方法都能完美实现你的需求，可根据自己的习惯和数据规模选择。

内容的提问来源于stack exchange，提问作者SalmaFG