Wie identifiziere ich alle doppelten Zeilen in einem Pandas-DataFrame?

Wie erhalte ich eine Liste aller doppelten Elemente mit Pandas in Python?

Problem:

Ihr Pandas DataFrame enthält doppelte Zeilen, aber die Verwendung der duplizierten()-Methode gibt nur die erste doppelte Instanz zurück. Sie möchten eine umfassende Liste aller Vorkommen doppelter Zeilen zum manuellen Vergleich.

Lösung 1: Zeilen mit doppelten IDs isolieren

1. Pandas als PD importieren.
2. Lesen Sie Ihre Daten in eine DataFrame-DF.
3. Extrahieren Sie die ID-Spalte in eine separate Serien-ID.
4. Filtern Sie df basierend darauf, ob der ID-Wert mit einer der doppelten IDs in übereinstimmt ids[ids.duplicated()]:

<code class="python">df[ids.isin(ids[ids.duplicated()])].sort_values("ID")</code>

Während diese Methode effektiv alle doppelten Zeilen abruft, erstellt sie doppelte ID-Zeilen in der Ausgabe.

Lösung 2 : Nach ID gruppieren und nach Duplikaten filtern

1. Verwenden Sie groupby("ID") auf df, um Zeilen nach ihren ID-Werten zu gruppieren.
2. Filtern Sie die resultierenden Gruppen, um sie nur beizubehalten diejenigen mit mehr als einer Zeile:

<code class="python">pd.concat(g for _, g in df.groupby("ID") if len(g) > 1)</code>

Dieser Ansatz führt zu einer optimierten Ausgabe ohne redundante ID-Zeilen.

Das obige ist der detaillierte Inhalt vonWie identifiziere ich alle doppelten Zeilen in einem Pandas-DataFrame?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!