熊猫标签重复答案

【问题标题】：Pandas Label Duplicates熊猫标签重复
【发布时间】：2017-01-31 07:28:57
【问题描述】：

给定以下数据框：

import pandas as pd
d=pd.DataFrame({'label':[1,2,2,2,3,4,4],
               'values':[3,5,7,2,5,8,3]})
d
    label   values
0     1       3
1     2       5
2     2       7
3     2       2
4     3       5
5     4       8
6     4       3

我知道如何计算这样的唯一值：

d['dup']=d.groupby('label')['label'].transform('count')

结果：

    label   values  dup
0     1     3       1
1     2     5       3
2     2     7       3
3     2     2       3
4     3     5       1
5     4     8       2
6     4     3       2

但我想要一个具有以下值的列： 1 如果每个标签列有 1 unique 行，2 如果有 duplicates 并且有问题的行是这样的 first，如果行是 duplicate 的 0原件。像这样：

    label   values  dup  status
0     1     3       1     1
1     2     5       3     2
2     2     7       3     0
3     2     2       3     0
4     3     5       1     1
5     4     8       2     2
6     4     3       2     0

提前致谢！

【问题讨论】：

标签： python-3.x pandas duplicates unique conditional-statements

【解决方案1】：

我认为您可以将loc 与由函数duplicated 创建的条件一起使用：

d['status'] = 2
d.loc[d.dup == 1, 'status'] = 1
d.loc[d.label.duplicated(), 'status'] = 0 
print (d)

   label  values  dup  status
0      1       3    1       1
1      2       5    3       2
2      2       7    3       0
3      2       2    3       0
4      3       5    1       1
5      4       8    2       2
6      4       3    2       0

或者加倍numpy.where:

d['status1'] = np.where(d.dup == 1, 1,
               np.where(d.label.duplicated(), 0, 2))

print (d)  
   label  values  dup  status  status1
0      1       3    1       1        1
1      2       5    3       2        2
2      2       7    3       0        0
3      2       2    3       0        0
4      3       5    1       1        1
5      4       8    2       2        2
6      4       3    2       0        0

【讨论】：

@IanS - 谢谢。 ;)
我觉得和d.label.duplicated()一样，所以只有我把dup改成label。

【解决方案2】：

另一种选择是将计数列剪裁为 2，然后减去 2 次 duplicated。由于duplicated 使用keep='first' 作为默认值，因此除了第一个重复标签之外的所有标签都将归零。

d['status'] = d['dup'].clip_upper(2) - 2*d.duplicated(subset='label')

结果输出：

   label  values  dup  status
0      1       3    1       1
1      2       5    3       2
2      2       7    3       0
3      2       2    3       0
4      3       5    1       1
5      4       8    2       2
6      4       3    2       0

【讨论】：