Python 如何检测 DataFrame 中几乎重复的行中哪一列具有不同的值

我有一个大约10,000行的DataFrame，其中大约1,000行要么是重复的，要么几乎是重复的.

以下是一个简化的示例:

df = pd.DataFrame({'App': ['Slack', 'Candy Bomb', 'Facebook', 'Candy Bomb', 'Slack', 'Slack', 'Facebook'],
                  'Category': ['Business', 'Game', 'Social', 'Family', 'Business', 'Business', 'Social'],
                  'Rating': [4.4, 4.6, 4.1, 4.6, 4.4, 4.4, 3.9],
                  'Reviews': [1000, 30000, 5000, 30000, 950, 950, 5000]})

输出

    App         Category    Rating   Reviews
0   Slack       Business    4.4      1000
1   Candy Bomb  Game        4.6      30000
2   Facebook    Social      4.1      5000
3   Candy Bomb  Family      4.6      30000
4   Slack       Business    4.4      950
5   Slack       Business    4.4      950
6   Facebook    Social      3.9      5000

例如，Slack的Reviews列具有不同的值:

    App     Category    Rating    Reviews
0   Slack   Business    4.4       1000
4   Slack   Business    4.4       950
5   Slack   Business    4.4       950

预期yields :Reviews

Candy Bomb的Category列具有不同的值:

    App           Category    Rating    Reviews
1   Candy Bomb    Game        4.6       30000
3   Candy Bomb    Family      4.6       30000

预期yields :Category

How do I find the column with different values for each of the apps?(这样我就可以决定保留和删除哪一行.)

我试过这个:

target_row = df[df['App'] == 'Candy Bomb']

columns = df.columns

for column in columns:
    dupl_result = target_row.duplicated(subset=column)
    if dupl_result.iloc[0] == dupl_result.iloc[1]:
        print(column)

输出:

Category

然而，上面的代码只适用于two行几乎重复的应用程序，而不适用于其他数量的大规模行.我试图以多种方式修改这段代码，但仍然不起作用.

有没有更简单或更好的方法来解决这个问题？

Note:我的问题与How to Detect Almost Duplicate Locations in a Pandas Dataframe?和Detecting almost duplicate rows不同.

更新#01:强调这个问题，让它更清晰.

更新#02:使预期输出更清晰