如何用Python在不删除整行的情况下去除DataFrame每行内的重复值？

首先看你的原始DataFrame创建代码：

import pandas as pd

data=[["John","Alzheimer's","Infection","Alzheimer's"],["Kevin","Pneumonia","Pneumonia","Tuberculosis"]]
df=pd.DataFrame(data,columns=['Name','Problem1','Problem2','Problem3'])

你需要的是每行内去除重复的病症，而drop_duplicates()是针对整行重复的情况，所以不适用。这里提供两种实用的解决方式：

方式一：将去重后的病症存为新列 #

这种方式适合后续对病症做批量分析，把每行的唯一病症整理成列表：

# 对每行从第2列开始（跳过Name）去重，生成唯一病症列表
df['Unique_Problems'] = df.apply(lambda row: list(pd.unique(row[1:])), axis=1)

# 查看结果
print(df)

输出结果：

Name       Problem1    Problem2       Problem3          Unique_Problems
0   John  Alzheimer's   Infection  Alzheimer's   [Alzheimer's, Infection]
1  Kevin    Pneumonia   Pneumonia  Tuberculosis  [Pneumonia, Tuberculosis]

方式二：保持原列结构，重复位置填充空值 #

如果需要保留原表格的列结构，把重复出现的病症位置替换为空值：

def clean_row_duplicates(row):
    seen = set()
    cleaned = []
    for value in row:
        if value not in seen:
            seen.add(value)
            cleaned.append(value)
        else:
            cleaned.append(None)
    return cleaned

# 应用函数到每行，保持列名不变
df_cleaned = df.apply(clean_row_duplicates, axis=1, result_type='expand')
df_cleaned.columns = df.columns

# 查看结果
print(df_cleaned)

输出结果：

Name       Problem1    Problem2       Problem3
0   John  Alzheimer's   Infection          None
1  Kevin    Pneumonia         None  Tuberculosis

内容的提问来源于stack exchange，提问作者dawgtor