Ho un pandas.DataFrame con una colonna denominata name contenente stringhe. Vorrei ottenere un elenco dei nomi che si verificano più di una volta nella colonna. Come lo faccio?Come trovare i nomi duplicati usando i panda?
ho provato:
funcs_groups = funcs.groupby(funcs.name)
funcs_groups[(funcs_groups.count().name>1)]
Ma non filtra i nomi Singleton.
Se si desidera trovare le righe con nome duplicato (tranne la prima volta che vediamo che), si può provare questo
In [16]: import pandas as pd
In [17]: p1 = {'name': 'willy', 'age': 10}
In [18]: p2 = {'name': 'willy', 'age': 11}
In [19]: p3 = {'name': 'zoe', 'age': 10}
In [20]: df = pd.DataFrame([p1, p2, p3])
In [21]: df
Out[21]:
age name
0 10 willy
1 11 willy
2 10 zoe
In [22]: df.duplicated('name')
Out[22]:
0 False
1 True
2 False
Ho avuto un problema simile e sono imbattuto in questa risposta.
Credo che questo funziona anche:
counts = df.groupby('name').size()
df2 = pd.DataFrame(counts, columns = ['size'])
df2 = df2[df2.size>1]
e df2.index vi darà una lista di nomi con i duplicati
Meglio usare df2 ['size'] invece di df2.size dato che df2.size è una funzione integrata. – Lydia
A uno di linea può essere:
x.set_index('name').index.get_duplicates()
l'indice contiene un metodo per trovare duplicati, le colonne non sembrano avere un metodo simile ..
Questo è esattamente ciò di cui avevo bisogno. Grazie @idoda! – propjk007
Questo "set_index()" distrugge l'indicizzazione del dataframe originale chiamato x? Dovrei eseguire questo comando su una copia del dataframe? –
Un altro uno di linea può essere:
(df.name).drop_duplicates()
value_counts vi darà il numero di duplicati pure.
names = df.name.value_counts()
names[names > 1]
Mi piace più del mio. – DSM
Grazie, ho anche imparato qualcosa dal tuo. – waitingkuo