如何在 Python 中识别和检索 Pandas DataFrame 中的重复项？

如何在 Python 中使用 Pandas 获取所有重复项的列表

在处理数据集时，经常会遇到重复的条目。在这种情况下，您希望使用 Pandas 识别数据集中的所有重复项。

要实现此目的，您可以使用以下方法：

方法 1（使用以下命令打印所有行）重复 ID):

<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>

方法 2（分组并连接重复组）：

此方法组合重复组，从而得到简洁的表示重复项目的数量：

<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>

使用方法 1 或方法 2，您可以成功获取数据集中所有重复项目的列表，以便您直观地检查它们并调查差异。

以上是如何在 Python 中识别和检索 Pandas DataFrame 中的重复项？的详细内容。更多信息请关注PHP中文网其他相关文章！