如何在 pandas DataFrame 中查找特定列的重复行，并通过添加计数器来修改值？答案

【问题标题】：How to find repeated rows in pandas DataFrame for specific columns, and modify values by adding counter?如何在 pandas DataFrame 中查找特定列的重复行，并通过添加计数器来修改值？
【发布时间】：2022-01-24 08:16:18
【问题描述】：

为方便起见，考虑一个包含 2 列的数据框。第一列是label，它对于数据集中的一些观察值具有相同的值。

样本数据集：

import pandas as pd
  
data = [('A', 28),
        ('B', 32),
        ('B', 32),
        ('C', 25),
        ('D', 25),
        ('D', 40),
        ('E', 32) ]

data_df = pd.DataFrame(data, columns = ['label', 'num'])

对于列label，我想查找具有相似值的行。并将其值转换为value_counter，如下所示：

label   num
A        28
B_1      32 
B_2      32
C        25
D_1      25
D_2      40
E        32

我尝试使用 pandas groupby，但我不知道我必须使用哪个 transform。

感谢您的帮助。

【问题讨论】：

标签： python pandas dataframe transform repeat

【解决方案1】：

您可以创建一个空的dictionary，您可以附加您的标签和计数（分别为keys 和values）。然后根据标签是新的还是存在的，您可以增加它的值或原封不动地返回它。

最后一步是使用这个新的list 作为新的标签列：

labels = data_df['label'].tolist()
new_labels = []
label_c = {}

# iterate through your labels list
for val in labels:
    if val not in label_c:     # if label not the new label list
        label_c[val] = 0       # add it to dictionary
        new_labels.append(val) # add it to the output as is
    else:                      # if it's not new
        label_c[val] += 1      # increment its count
        new_labels.append(f"{val}_{label_c[val]}") # add it to the output along with its count

data_df['label'] = new_labels

打印回来：

>>> print(data_df)

  label  num
0     A   28
1     B   32
2   B_1   32
3     C   25
4     D   25
5   D_1   40
6     E   32

【讨论】：

【解决方案2】：

你可以使用：

s = data_df.groupby('label').cumcount()+1
data_df['label'] = np.where(data_df.duplicated(subset='label',  keep=False),
                             data_df['label'] + '_' + s.astype(str), data_df['label'])

OUTPUT

  label  num
0     A   28
1   B_1   32
2   B_2   32
3     C   25
4   D_1   25
5   D_2   40
6     E   32

【讨论】：