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2个数据帧中的行分开：

• df1 =包含不沿列B重复值的所有行（unque rows）。
• df2 =仅包含重复自己的行。

结果应如下所示：

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：

• 数据帧通常非常大，并且在B列中有许多重复的值，因此答案应尽可能通用
  • 如果没有重复项，df2应为空！所有结果都应该在df1
  中

Answer 1

您可以使用Series.duplicated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