如何在Pandas DataFrame中仅删除含指定模式的重复索引？

需求：处理带重复索引的DataFrame时，仅删除索引包含Sum_模式的重复项，其余重复索引（如X、Y）需保留。

示例DataFrame #

创建代码：

import pandas as pd
tt = pd.DataFrame({'A':[1,2,3,10,10,2,3,4,20,20]}, index=['Sum_2019','X','Y','Sum_2020','Sum_2020','X','Y','Z','Sum_2021','Sum_2021'])

输出：

A
Sum_2019   1
X          2
Y          3
Sum_2020  10
Sum_2020  10
X          2
Y          3
Z          4
Sum_2021  20
Sum_2021  20

期望输出 #

仅移除Sum_开头的重复索引，保留其他重复项：

A
Sum_2019   1
X          2
Y          3
Sum_2020  10
X          2
Y          3
Z          4
Sum_2021  20

错误尝试 #

使用df= df[~df.index.duplicated(keep='first')]会删除所有重复索引，包括需要保留的X、Y，不符合需求。

正确解决方案 #

通过组合模式匹配和重复索引判断生成掩码，精准删除目标行：

# 生成掩码：标记出索引含'Sum_'且为重复项的行
mask = tt.index.str.contains('Sum_') & tt.index.duplicated(keep='first')

# 筛选出不需要删除的行
result = tt[~mask]
print(result)

逻辑说明 #

1. tt.index.str.contains('Sum_')：识别所有索引包含Sum_的行，返回布尔数组
2. tt.index.duplicated(keep='first')：识别重复索引，仅标记除第一个外的重复项，返回布尔数组
3. 两者取交集（&）得到需要删除的行的掩码，取反（~）后筛选即可得到目标结果

内容的提问来源于stack exchange，提问作者Chronicles