以PEP8方式检查pandas重复

Question

我能想到检查pandas数据帧中重复项的最简单方法如下：

if (df["col1"].value_counts() > 1).sum() > 0:
    raise ValueError("dupes in column 'col1'!")

问题是这不符合PEP8。我的IDE中的代码检查器（我使用PyCharm）告诉我：

  

未解析的属性引用＆＃39; sum＆＃39;为了班级＆＃39; bool＆＃39;

检查pandas重复项的可接受方法是什么，而不添加多行代码？

Answer 1

您的错误与PEP8无关。实际上，您的错误似乎是误报：您的IDE似乎猜测比较操作的结果是布尔值，因此没有sum或any方法

但您的语法没有任何问题：df["col1"].value_counts() > 1返回一个布尔pd.Series对象，该对象有sum和any方法。

我建议的唯一解决方案是使用另一个IDE。或者禁用您的代码检查程序。

Answer 2

这与PEP8合规性无关，但您可能正在寻找的是：

if (df.col1.value_counts() > 1).any():
    raise ValueError("dupes in column 'col1'!")

请注意，这会忽略None / NaN / NaT值，即您使用此方法找不到重复的na。如果您需要，请将dropna=False添加到value_counts来电。

请注意，这不是最快的方法。更快的测试将是，例如：

if len(set(df.col1.values)) != len(df.col1):
    ...