Question

编辑。

假设我在熊猫中有以下系列：

我需要识别连续重复的每个序列 - 它的第一个和最后一个索引。使用上面的例子，我需要独立于0.3的最后一个序列（从索引13到15）识别0.3的第一个序列（从索引3到7）。

使用Series.duplicated是不够的，因为：

*使用keep =＆＃39; first＆＃39;将所有重复项的第一个实例标记为False，但将索引13保留为True，因为它不是0.3的第一个外观。

*同样适用于keep =＆＃39; last＆＃39;

* keep = False只是将所有条目标记为True。

谢谢！

Answer 1

我认为比较shift ed值需要诀窍，ne与cumsum和drop_duplicates不相等：

s = df['a'].ne(df['a'].shift()).cumsum()
a = s.drop_duplicates().index
b = s.drop_duplicates(keep='last').index

df = pd.DataFrame({'first':a, 'last':b})
print (df)
   first  last
0      0     2
1      3     7
2      8    10
3     11    12
4     13    15

如果还希望将重复值复制到新列，则使用duplicated进行位更改解决方案：

s = df['a'].ne(df['a'].shift()).cumsum()
a = df.loc[~s.duplicated(), 'a']
b = s.drop_duplicates(keep='last')

df = pd.DataFrame({'first':a.index, 'last':b.index, 'val':a})
print (df)
    first  last  val
0       0     2  0.0
3       3     7  0.3
8       8    10  1.0
11     11    12  0.2
13     13    15  0.3

如果需要新栏目：

df['count'] = df['a'].ne(df['a'].shift()).cumsum()
print (df)
      a  count
0   0.0      1
1   0.0      1
2   0.0      1
3   0.3      2
4   0.3      2
5   0.3      2
6   0.3      2
7   0.3      2
8   1.0      3
9   1.0      3
10  1.0      3
11  0.2      4
12  0.2      4
13  0.3      5
14  0.3      5
15  0.3      5

如何在pandas数据帧中查找重复项

1 个答案: