Pandas通过索引删除列会删除所有同名列

Question

考虑以下数据框，它具有相同名称的列（显然会发生这种情况，我目前有一个这样的数据集！ :(）

>>> df = pd.DataFrame({"a":range(10,15),"b":range(5,10)})
>>> df.rename(columns={"b":"a"},inplace=True)
df

    a   a
0   10  5
1   11  6
2   12  7
3   13  8
4   14  9

>>> df.columns
Index(['a', 'a'], dtype='object')

我原以为按索引值删除列时，只有具有相应索引的列会被删除，但显然情况并非如此。

>>> df.drop(df.columns[-1],1)

0
1
2
3
4

有没有办法消除具有重复列名的列？

编辑：我选择了第一列误导性的值，已经修正。

编辑2：预期结果为

  a
0 10
1 11
2 12 
3 13
4 14

- redacted

---

事实上，我传入了1来删除列。我还得到了一个空的数据框（01234是索引）。我只是期望能够摆脱第二个（最后一个，包含值5到9，因此为-1）列，而数据框不会变为空，而是有索引0到4和值0到4。对于选择"a"列的误导性值表示抱歉。 - redacted

@Pocin “有没有办法去除具有重复列名的列？” 所有列都有重复的名称，你已经将它们删除了，还想做什么？ - Stop harming Monica

我的错，今天不是我的日子。在编辑中，我添加了预期的结果。混淆的原因在于，如果我想要摆脱所有重复名称的列，我会使用 df.drop("a",1)。我想通过使用整数列索引来绕过这个问题，但它产生了与 df.drop("a",1) 相同的效果。 - redacted

Answer 1

实际上只需这样做：

In [183]:
df.ix[:,~df.columns.duplicated()]

Out[183]:
   a
0  0
1  1
2  2
3  3
4  4

因此，此索引对所有行进行索引，然后使用从 duplicated 生成的列掩码，并使用~反转掩码。

duplicated的输出：

In [184]:
df.columns.duplicated()

Out[184]:
array([False,  True], dtype=bool)

更新

由于自版本0.20.1以来.ix已被弃用，因此您应执行以下任一操作：

df.iloc[:,~df.columns.duplicated()]

或者

df.loc[:,~df.columns.duplicated()]

感谢@DavideFiocco提醒我

- EdChum