含三个字段的用户表当email和mobile有一个重复时即认为是同一个user，查询共几个user?【Python】

来自牛客网分享：字节跳动暑期实习商业产品数据分析笔试题3.6

https://www.nowcoder.com/discuss/614385?type=post&order=time&pos=&page=1&channel=-1&source_id=search_post_nctrack

”现有一个含三个字段的用户表，id/email/mobile, id是自动递增的，不具有重复性。当email和mobile有一个重复时即认为是同一个user, 请用一种方法查询表中实际有几个user？“

举一个例子ob，同一列里相同的字母表示重复的字段

import pandas as pd
ob = {"email":['E','F','F','E','G'],"tell":['A','A','B','C','D']}
ob = pd.DataFrame(ob)

	email	tell
0	E	A
1	F	A
2	F	B
3	E	C
4	G	D

由于0,1"tell"字段相同；1,2"tell"字段相同；0，3"email"字段相同，0，1，2，3是同一个user，ob中一共两个user

第一步：两列分别去重，每个重复的字段留下第一个，记录去重后的索引值f1,f2
第二步：找出f1和f2中重复的索引，数量就是真正的不重复的user数量

f1 = ob['email'].drop_duplicates(keep='first', inplace=False)
f1

0    E
1    F
4    G
Name: email, dtype: object

f2 = ob['tell'].drop_duplicates(keep='first', inplace=False)
f2

0    A
2    B
3    C
4    D
Name: tell, dtype: object

接下来就是找f1和f2的重复项，方法很多，写函数做也可，不过我这里使用了一些函数，先把f1和f2合并在一起（np.concatenate），再用两次keep参数不同的drop_duplicates()

import numpy as np
L = np.concatenate((f1.index.values,f11.index.values),axis=0) 
L

array([0, 1, 4, 0, 2, 3, 4], dtype=int64)

r1=pd.DataFrame(L).drop_duplicates(keep=False, inplace=False)
# keep=False表示删除全部重复的项
r1

	0
1	1
4	2
5	3

r2=pd.DataFrame(L).drop_duplicates(keep='first', inplace=False)
# keep='first'表示只保留第一个重复项
r2

	0
0	0
1	1
2	4
4	2
5	3

r1.append(r2).drop_duplicates(keep=False) 

	0
0	0
2	4

最后列出的0,4就是不重复的user

【解释】
为什么第二步是找重复项呢？
f1.index={0,1,4}，f2.index={0,2,3,4}，f1.index记录了第一列中暂且被认为的不重复的user，f2.index记录了第二列中暂且被认为的不重复的user，当index只在其中一个index列里出现时（比如2），说明在另一列里这个index被别的index统一掉了，也就是和另一列的某个index是一个人。所以去掉f1.index+f2.index中只出现一次的项，剩下的就是不重复的user