如何在pandas的drop_duplicates中指定前n-1列作为subset参数？

嘿，我来帮你搞定这个问题～你之前的代码报错，是因为给subset参数传值的方式不对，咱们一步步来修正：

错误原因 #

你写的subset=[0:df.shape[1]-1]是无效的Python语法——列表里不能直接使用切片表达式（比如0:xx），subset需要的是列名的列表或者列索引的列表，得把切片转换成实际的列表元素才行。

解决方案 #

假设我们先构造你给出的示例数据集：

import pandas as pd

data = [
    [0, 12, 1, 99, 23, 2, 75],
    [0, 12, 1, 99, 23, 2, 66],
    [5, 12, 1, 99, 23, 2, 66]
]
df = pd.DataFrame(data, columns=[0,1,2,3,4,5,6])

这里总列数是7，我们需要把前6列（也就是除了最后一列之外的所有列）作为去重依据，有两种简单的实现方式：

方法1：用列索引列表 #

通过range()生成前n-1列的索引，再转换成列表：

df.drop_duplicates(subset=list(range(df.shape[1]-1)), keep='first', inplace=True)

• df.shape[1]获取总列数，df.shape[1]-1就是前n-1列的数量，range(df.shape[1]-1)生成0到5的索引序列，转成列表后正好是前6列的索引。

方法2：用列名切片 #

直接对df.columns（列名序列）做切片，去掉最后一列：

df.drop_duplicates(subset=df.columns[:-1], keep='first', inplace=True)

• df.columns[:-1]会返回除了最后一列之外的所有列名，完美符合你要的前n-1列的需求。

验证结果 #

执行上面任意一种代码后，你的DataFrame会保留索引0和2的行，结果如下：

0   1  2   3   4  5   6
0  0  12  1  99  23  2  75
2  5  12  1  99  23  2  66

完全符合你的预期～

内容的提问来源于stack exchange，提问作者sranga