我只想從數(shù)據(jù)框中刪除特定子集中的重復(fù)項(xiàng)。在“A”列中的每個(gè)“規(guī)范”下，我想刪除重復(fù)項(xiàng)，但我想在整個(gè)數(shù)據(jù)框中保留重復(fù)項(xiàng)（第一個(gè)“規(guī)范”下可能有一些行與第二個(gè)“規(guī)范”，但在“規(guī)范”下直到下一個(gè)“規(guī)范”我想刪除重復(fù)項(xiàng)）這是數(shù)據(jù)框df  A          B            C  spec       first        second  test       text1        text2  act        text12       text13  act        text14       text15  test       text32       text33  act        text34       text35  test       text85       text86  act        text87       text88  test       text1        text2  act        text12       text13  act        text14       text15  test       text85       text86  act        text87       text88  spec       third        fourth  test       text1        text2  act        text12       text13  act        text14       text15  test       text85       text86  act        text87       text88  test       text1        text2  act        text12       text13  act        text14       text15  test       text85       text86  act        text87       text88這就是我想要的：df  A          B            C  spec       first        second  test       text1        text2  act        text12       text13  act        text14       text15  test       text32       text33  act        text34       text35  test       text85       text86  act        text87       text88  spec       third        fourth  test       text1        text2  act        text12       text13  act        text14       text15  test       text85       text86  act        text87       text88我可以將數(shù)據(jù)幀拆分為“小”數(shù)據(jù)幀，然后在 for 循環(huán)中為每個(gè)“小”數(shù)據(jù)幀刪除重復(fù)項(xiàng)，最后將它們連接起來(lái)，但我想知道是否還有其他解決方案。我也嘗試過(guò)并成功了：dfList = df.index[df["A"] == "spec"].tolist()dfList = np.asarray(dfList)for dfL in dfList:      idx = np.where(dfList == dfL)      if idx[0][0]!=(len(dfList)-1):            df.loc[dfList[idx[0][0]]:dfList[idx[0][0]+1]-1]                     = df.loc[dfList[idx[0][0]]:dfList[idx[0][0]+1]-1].drop_duplicates()      else:            df.loc[dfList[idx[0][0]]:] = df.loc[dfList[idx[0][0]]:].drop_duplicates()編輯：我必須將其添加到最后：df.dropna(how='all', inplace=True)但我只是想知道是否還有其他解決方案。