Question

我有一个csv文件，如下所示：

visitor guest   location year
person1 person2 memphis 1994
person1 person4 detroit 2008
person2 person1 oakland 2006
person4 person1 chicago 1993
person3 person1 oakland 1998
person5 person6 detroit 2001

我正在尝试编写一个通过csv的python程序，如果有一个访客+访客与访客+访客匹配，它会返回整行，就像这样......

visitor guest   location    year
person1 person2 memphis 1994
person1 person4 detroit 2008
person2 person1 oakland 2006
person4 person1 chicago 1993

我是python的新手。到目前为止我得到的是：

import pandas as pd
df = pd.read_csv(“visitors.csv")
df2= df[df.duplicated([‘visitor’, ‘guest’], keep=False)]

但如果重复“访客”+“访客”，这只是给我回复列表，而不是“访客”+“访客”与“访客”+“访客”相同。

我正在尝试做的似乎是对此的变化： return rows with unique pairs across columns

但是这段代码：

df2 = df.loc[:, [‘visitor’, ‘guest’]].apply(sorted, axis=1).drop_duplicates()

正在删除重复项（并且只是给我'访问者'和'访客'列），而不是保留它们。

Answer 1

你可以像这样构建一个布尔掩码：

mask = df[['visitor', 'guest']].apply(sorted, axis=1).duplicated(keep=False)

然后索引：

df2 = df.loc[mask]

在这里，mask是一系列布尔值，只要前两列（与订单无关）在其他地方重复，它就是真的：

0     True
1     True
2     True
3     True
4    False
5    False
dtype: bool

并且有效传递给.loc[]，作为“过滤”到真实案例的方法。

Answer 2

使用'visitor'和'guest'列作为两级多索引，合并数据框的两个版本：

df1 = df.set_index(['visitor', 'guest'])
df2 = df.set_index(['guest', 'visitor'])

如果某行没有匹配，则合并后的数据框中会有一个NaN，您可以使用.dropna()进行过滤：

result = pd.concat([df1, df2], axis=1).dropna()[[0,1]].reset_index()
result.year = result.year.astype(int)
#   level_0  level_1 location  year
#0  person1  person2  memphis  1994
#1  person1  person4  detroit  2008
#2  person2  person1  oakland  2006
#3  person4  person1  chicago  1993

返回跨python列中的重复对的行

2 个答案: