如何基于“年份创建”“周数创建”两列删除重复分组数据？

你的数据集里Year created和Week created的重复行对应的汇总列（SUM_New、SUM_Closed、SUM_Open）值已经完全一致，所以不需要再做分组聚合，直接对这两列去重就能得到唯一的分组数据。

正确代码 #

你可以使用drop_duplicates()方法，指定去重的列，同时选择保留每组的第一行或最后一行：

# 保留每组的第一行（对应你示例中的索引0行）
df_cleaned = df.drop_duplicates(subset=['Year created', 'Week created'], keep='first')

# 如果想保留每组的最后一行（对应你示例中的索引4行）
df_cleaned = df.drop_duplicates(subset=['Year created', 'Week created'], keep='last')

为什么之前的方法不适用？ #

你用的df.groupby(['Year created', 'Week created']).size()只是统计每个分组的行数，返回的是一个仅包含计数的Series，不会保留原数据中的汇总列信息，所以无法满足你的需求。而你的数据已经是汇总好的，同一分组的所有行的SUM列值都相同，直接去重是最直接高效的方式。

输入输出示例 #

• 原始数据：

Year created Week created SUM_New SUM_Closed SUM_Open
0 2018 1 17 0 82
1 2018 6 62 47 18
2 2018 6 62 47 18
3 2018 6 62 47 18
4 2018 6 62 47 18

• 使用keep='last'后的结果：

Year created Week created SUM_New SUM_Closed SUM_Open
0 2018 1 17 0 82
4 2018 6 62 47 18

内容的提问来源于stack exchange，提问作者user21