如何解决在给定列表的列中查找重复项
示例csv看起来像这样:
name,id
row1,1
row2,2
row3,3
custom,test
custom,test2
row1,4
我为要检查重复项的每一行定义了一个字符串nameRows = ['row1','row2','row3']
数组。如何仅检查“名称”列下nameRows中的行是否重复?并忽略其他重复的行,例如“ custom”。我只想要一条打印语句,说print('{0}是名称列中的重复行'.format(row))
与半相关,我目前正在名称列下存在非常必要的行,也许我可以使用相同的for循环来查找错误...?
for row in nameRows:
if row not in df['name'].values:
print("Required {0} row 'name' not found in the csv file.".format(row))
解决方法
选项1
nameRows = ['row1','row2','row3']
for row in nameRows:
if len(df[df['name'].str.contains(row,na=False)]) > 1:
print(f'Row {row} is duplicate')
选项2
nameRows = ['row1','row3']
for row in nameRows:
if len(df[df['name'] == row]) > 1:
print(f'Row {row} is duplicate')
如果要反过来,请使用不条件。
,使用isin
和duplicated
制作遮罩
msk=df.name.duplicated(keep='last') & df.name.isin(nameRows)
s=df[msk].name
print(s)
0 row1
Name: name,dtype: object
并根据需要进行打印:
for row in s:
print(f'{row} is duplicated')
>>>row1 is duplicated
,
您可以使用以下方式拆分df
mask = df.name.isin(nameRows) # boolean mask
check = df.loc[mask,:]
nocheck = df.loc[~mask,:]
然后拖放重复并串联起来
df = pd.concat([
check.drop_duplicates(subset=['name'],inplace=True),nocheck],ignore_index=True)
并查找数据框中没有的名称
not_found = list(set(nameRows) - set(df.names))
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。