Comment identifier et récupérer les éléments en double dans un DataFrame Pandas en Python ?

Comment obtenir une liste de tous les éléments en double à l'aide de Pandas en Python

Lorsque vous travaillez avec des ensembles de données, il est courant de rencontrer des entrées en double . Dans ce cas, vous souhaitez identifier tous les éléments en double dans votre ensemble de données à l'aide de Pandas.

Pour y parvenir, vous pouvez utiliser l'approche suivante :

Méthode 1 (imprimer toutes les lignes avec ID en double :

<code class="python">import pandas as pd

# Read the CSV data into a DataFrame
df = pd.read_csv("dup.csv")

# Extract the "ID" column
ids = df["ID"]

# Create a new DataFrame with only the duplicate values
duplicates = df[ids.isin(ids[ids.duplicated()])]

# Sort the DataFrame by the "ID" column
duplicates.sort_values("ID", inplace=True)

# Print the duplicate values
print(duplicates)</code>

Méthode 2 (Groupby et concaténer les groupes en double) :

Cette méthode combine les groupes en double, ce qui donne une représentation concise des éléments en double :

<code class="python"># Group the DataFrame by the "ID" column
grouped = df.groupby("ID")

# Filter the grouped DataFrame to include only groups with more than one row
duplicates = [g for _, g in grouped if len(g) > 1]

# Concatenate the duplicate groups into a new DataFrame
duplicates = pd.concat(duplicates)

# Print the duplicate values
print(duplicates)</code>

En utilisant la méthode 1 ou la méthode 2, vous pouvez obtenir avec succès une liste de tous les éléments en double dans votre ensemble de données, vous permettant de les inspecter visuellement et d'enquêter sur les écarts.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!