PANDAS：如何在组内输出重复值？

Question

我的数据框有一个类别和子类别列，然后是一个包含有时重复的字符串的列。

我的问题是针对每个类别（CAT A），哪些字符串在子类别（CAT B）中重复

CAT A	CAT B	Strings
A1	B1	String1
A1	B1	String2
A1	B1	String3
A1	B2	String4
A1	B2	String5
A1	B2	String1
A2	B1	String1
A2	B1	String2
A2	B1	String3
A2	B2	String4
A2	B2	String5
A2	B2	String6

我正在寻找的输出

A1
Repeated strings in  B1 and B2
"String1"

---

A2
Repeated strings in  B1 and B2
None

我对如何分组和比较组感到困惑。

谢谢

Answer 1

您可以通过duplicated() 和keep=False 尝试

m=df.duplicated(subset=['CAT A','Strings'],keep=False)
#OR via groupby()+transform()
#m=df.groupby('CAT A')['Strings'].transform(lambda x:x.duplicated(keep=False))

最后：

out=df.loc[m]

out的输出：

   CAT A    CAT B   Strings
0   A1      B1      String1
5   A1      B2      String1

如果需要单独的列：

df.loc[m,'duplicated']=df.loc[m,'Strings']

out的输出：

   CAT A CAT B  Strings duplicated
0     A1    B1  String1    String1
1     A1    B1  String2        NaN
2     A1    B1  String3        NaN
3     A1    B2  String4        NaN
4     A1    B2  String5        NaN
5     A1    B2  String1    String1
6     A2    B1  String1        NaN
7     A2    B1  String2        NaN
8     A2    B1  String3        NaN
9     A2    B2  String4        NaN
10    A2    B2  String5        NaN
11    A2    B2  String6        NaN