pandas DF中的重复行 [英] Duplicate rows in pandas DF

问题描述

我在熊猫中有一个DF，看起来像：

 字母数字
 A 1 
 A 3 
 A 2 
 A 1 
 B 1 
 B 2 
 B 3 
 C 2 
 C 2 
  

我正在寻找类似行的数量，并将结果保存在第三列中。例如，我正在寻找的输出：

 字母数字事件
 A 1 2 
 A 2 1 
 A 3 1 
 B 1 1 
 B 2 1 
 B 3 1 
 C 2 2 
  pre> 
 
 
我想要做的一个例子是此处。我想出的最好的想法是使用 count_values（），但我认为这只是一列。另一个想法是使用 重复（） ，反正我不想为 -loop构建任何。我很确定，存在一个for循环的Pythonic替代。
解决方案
您可以对这两列进行分组，然后计算组的大小：
 在[16]中：df.groupby（['Letters'，'Numbers']）。 size（）
输出[16]：
字母数字
 A 1 2 
 2 1 
 3 1 
 B 1 1 
 2 1 
 3 1 
 C 2 2 
 dtype：int64 
  
获取一个DataFrame，就像你的示例输出一样，你可以用 reset_index 重置索引。
 
I have a DF in Pandas, which looks like:
Letters Numbers
A       1
A       3
A       2
A       1
B       1
B       2
B       3
C       2
C       2
I'm looking to count the number of similar rows and save the result in a third column. For example, the output I'm looking for:
Letters Numbers Events
A       1       2
A       2       1
A       3       1
B       1       1
B       2       1
B       3       1
C       2       2
An example of what I'm looking to do is here. The best idea I've come up with is to use count_values(), but I think this is just for one column. Another idea is to use duplicated(), anyway I don't want construct any for-loop. I'm pretty sure, that a Pythonic alternative to a for loop exists.
解决方案
You can groupby these two columns and then calculate the sizes of the groups:
In [16]: df.groupby(['Letters', 'Numbers']).size()
Out[16]: 
Letters  Numbers
A        1          2
         2          1
         3          1
B        1          1
         2          1
         3          1
C        2          2
dtype: int64
To get a DataFrame like in your example output, you can reset the index with reset_index.

                        
这篇关于 pandas DF中的重复行的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！