如何格式化Pandas DataFrame，实现每个ID仅保留一行？

你可以通过groupby按id分组，对特征列取最大值来实现需求——因为独热编码的特性是每行只有一个1，取最大值就能保留该id下是否出现过对应特征的标记。

代码示例 #

首先构造你的原始DataFrame：

import pandas as pd

df = pd.DataFrame({
    'id': ['A', 'A', 'B', 'B', 'B', 'C'],
    'feature1': [1, 0, 0, 1, 0, 0],
    'feature': [0, 1, 1, 0, 0, 0],
    'feature3': [0, 0, 0, 0, 1, 1]
})

然后执行聚合操作：

result_df = df.groupby('id').max().reset_index()

执行后result_df就是你想要的格式：

id  feature1  feature  feature3
0  A         1        1         0
1  B         1        1         1
2  C         0        0         1

补充说明 #

• groupby('id')按id分组，把同一id的行归为一组
• .max()对每组的特征列取最大值，刚好匹配独热编码的聚合需求（只要组内有1，结果就是1，否则0）
• .reset_index()把id从索引变回普通列，和原始格式一致

内容的提问来源于stack exchange，提问作者Tobitor