python - 如何用 Pandas 选择重复的行？

Question

我有一个这样的数据框:

import pandas as pd
dic = {'A':[100,200,250,300],
       'B':['ci','ci','po','pa'],
       'C':['s','t','p','w']}
df = pd.DataFrame(dic)

我的目标是将行分隔为 2 个数据帧:

• df1 = 包含不沿 B 列重复值的所有行(非队列行)。
• df2 = 仅包含重复主题的行。

结果应该是这样的:

df1 =      A  B C         df2 =     A  B C
      0  250 po p               0  100 ci s 
      1  300 pa w               1  250 ci t

注意:

• 数据帧通常可能非常大，并且有许多值在 B 列中重复，因此答案应尽可能通用
  • 如果没有重复项，df2 应该是空的!所有的结果都应该在 df1 中

Answer 1

您可以使用 Series.duplicated使用参数 keep=False 为所有重复项创建掩码，然后 boolean indexing , ~ 反转mask:

mask = df.B.duplicated(keep=False)
print (mask)
0     True
1     True
2    False
3    False
Name: B, dtype: bool

print (df[mask])
     A   B  C
0  100  ci  s
1  200  ci  t

print (df[~mask])
     A   B  C
2  250  po  p
3  300  pa  w