本文介绍如何使用布尔索引快速获取dataframe中所有重复行（含首次与后续出现）对应的索引，避免手动循环和错误过滤，提升数据清洗效率。

本文介绍如何使用布尔索引快速获取dataframe中所有重复行（含首次与后续出现）对应的索引，避免手动循环和错误过滤，提升数据清洗效率。

在使用 Pandas 进行数据清洗时，识别并定位重复记录是常见需求。df.duplicated(keep=False) 返回一个与 DataFrame 行数一致的布尔 Series，其中 True 表示该行在整列（或指定列）中存在重复（即该值至少出现两次），False 表示唯一。但仅得到布尔结果还不够——我们需要的是这些 True 对应的实际索引值，而非整个索引对象。

错误做法（如问题中所示）包括：

• 用 for 循环逐个判断字符串 "True"，既低效又易出错；
• 直接取 duplicateRowsDF.index，这返回的是原始 DataFrame 的全部索引，而非筛选后的子集；
• 混淆 df.index.duplicated()（检测索引本身是否重复）与 df.duplicated()（检测数据内容是否重复），导致逻辑偏差。

✅ 正确且高效的方式是：利用布尔索引直接索引索引（Index）：

Pandas Linux版 2.3.3

Pandas 2.3.3 历史版本下载，来自 PyPI 官方发布，适合旧项目兼容、数据分析脚本复现和指定环境安装。

下载

# 获取所有重复行（含首次出现）的索引
duplicated_indices = df.index[df.duplicated(keep=False)]

该语句等价于：“在 df.index 中，只保留 df.duplicated(keep=False) 为 True 的位置所对应的索引”。返回结果是一个 pd.Index 对象（可直接转为列表或数组）：

# 示例输出（类型为 Int64Index）
Int64Index([5063, 5064, 5065, 5312], dtype='int64')

# 转为 Python 列表便于后续处理
duplicated_list = duplicated_indices.tolist()  # [5063, 5064, 5065, 5312]

# 或转为 NumPy 数组
import numpy as np
duplicated_array = np.array(duplicated_indices)

? 注意事项：

• keep=False 是关键参数：它确保所有重复项（包括第一次和后续出现）均标记为 True；若用 keep='first' 或 keep='last'，则仅保留其中一个，无法完整提取全部重复索引。
• 若需基于特定列判断重复，传入 subset 参数：
  df.index[df.duplicated(subset=['col_a', 'col_b'], keep=False)]
• 该方法时间复杂度为 O(n)，远优于显式循环，且充分利用 Pandas 底层向量化能力。

总结：提取重复行索引不是“找 True”，而是“用 True 去索引索引”——一行布尔索引即可完成，简洁、准确、高性能。