python - 根据多列(可能包含多个值)识别重复，如果在python中识别重复则返回 bool 值

Question

这是一个相当简单的查询，但我没有找到任何与我的查询相关的解决方案。我必须根据多列来识别重复项。不同之处在于，一列可以在一行中有多个值，需要将其视为单独的值。

例子:

dct ={'store':('A','A','A','A','A','B','B','B','C','C','C','C'),
     'station':('aisle','aisle','aisle','window','window','aisle','aisle','aisle','aisle','window','window','window'),
     'produce':('apple','apple','cherry, apple','orange','orange','apple','apple,orange','orange','apple','apple','apple','orange')}

df = pd.DataFrame(dct)


print(df)

  store station produce
0   A   aisle   apple
1   A   aisle   apple
2   A   aisle   cherry, apple
3   A   window  orange
4   A   window  orange
5   B   aisle   apple
6   B   aisle   apple,orange
7   B   aisle   orange
8   C   aisle   apple
9   C   window  apple
10  C   window  apple
11  C   window  orange

预期数据框:

store  station    produce          result
A      aisle      apple            False
A      aisle      apple            False
A      aisle      cherry,apple     False
A      window     orange           True
A      window     orange           True
B      aisle      apple            False
B      aisle      apple,orange     False
B      aisle      orange           False
C      aisle      apple            True        --> not duplicated; 'station' is diff 
C      window     apple            False   
C      window     apple            False
C      window     orange           True
    

我一直在使用 df.duplicated(subset=['store','station','produce'], keep=False)但是它丢失了一行中具有多个值的数据，知道如何解决这个问题吗？
可选添加:类似于“keep”的功能(确定要标记哪些重复项(如果有的话))first/last/false

最后一部分完全是可选的，不是必须的:-)

Answer 1

让我们做

df['New'] = df.assign(produce=df['produce'].str.split(', ')).\
               explode('produce').\
               duplicated(subset=['store', 'station', 'produce'], keep=False).any(level=0)

Out[160]: 
0      True
1      True
2      True
3      True
4      True
5      True
6      True
7      True
8     False
9      True
10     True
11    False
dtype: bool