Question

为什么.loc[]在我的DataFrame中产生重复的行？我正在尝试从m3中选择几列，即一个47列的DataFrame，以创建一个称为output的新DataFrame。

问题：用.loc[]访问m3的列后，输出的重复次数比开始时m3的重复次数多。这些副本可能从何而来？我没有在网上找到有关.loc[]复制行的任何信息。顺便说一下，输出DataFrame在读取output = m3.loc[...]的行上声明。

代码：

print("ARE THERE DUPLICATES in m3? ")
print(m3.duplicated().loc[lambda x: x==True])

output = m3.loc[:,["PLC_name", "line", "track", "notes", "final_source", 
"s_name", "s_line", "s_track", "loc", "alt_loc", "suffix", "alt_match_name"]]

print("ARE THERE DUPLICATES in output? ")
print(output.duplicated().loc[lambda x: x==True].size, "duplicates")

终端输出：

ARE THERE DUPLICATES in m3? 
5241    True
5242    True
5243    True
5355    True
5356    True
5357    True
dtype: bool
ARE THERE DUPLICATES in output? 
1838 duplicates

当然，我可以通过调用.drop_duplicates(keep="first")轻松解决问题，但是在了解.loc[]为何显示此行为方面，我会更有趣。

Answer 1

output过滤器，用于过滤来自m3中的选定列。当您在duplicated上调用m3时，将考虑原始数据帧中的所有所有列。当您在duplicated上调用output时，将仅考虑这些列的子集。

因此，即使output中没有重复项，您也可以在m3中存在重复项。

这是您所看到的内容的最小且可复制的示例：

df = pd.DataFrame([[3, 8, 9], [4, 8, 9]])
print(df.duplicated().sum(), 'duplicates')
# 0 duplicates

df_filtered = df.loc[:, [1, 2]]
print(df_filtered.duplicated().sum(), 'duplicates')
# 1 duplicates

为什么使用.loc []访问熊猫数据框的列会产生重复的行？

1 个答案: