如何在 Python Pandas DataFrame 中跨父组为所有孩子查找重复项？

Question

鉴于以下 DataFrame，我如何在所有父母的父母分组中找到重复项？

data = {'buildings': {0: 'mansion', 1: 'mansion', 2: 'house', 3: 'house', 4: 'house', 5: 'apartment', 6: 'apartment', 7: 'apartment', 8: 'apartment', 9: 'apartment', 10: 'apartment', 11: 'apartment', 12: 'condo', 13: 'condo', 14: 'condo', 15: 'condo', 16: 'condo', 17: 'condo'},
'vehicles': {0: 'plane', 1: 'boat', 2: 'small car', 3: 'small car', 4: 'big car', 5: 'small truck', 6: 'big truck', 7: 'big truck', 8: 'big truck', 9: 'big truck', 10: 'big truck', 11: 'big truck', 12: 'condo', 13: 'condo', 14: 'condo', 15: 'condo', 16: 'condo', 17: 'condo'},
'animals': {0: 'plane', 1: 'boat', 2: 'ape', 3: 'fish', 4: 'big car', 5: 'small truck', 6: 'chimp', 7: 'monkey', 8: 'lemur', 9: 'tiger', 10: 'lion', 11: 'jaguar', 12: 'bobcat', 13: 'monkey', 14: 'lemur', 15: 'tiger', 16: 'lion', 17: 'jaguar'},
'Value': {0: 0, 1: 1, 2: 2, 3: 3, 4: 4, 5: 5, 6: 6, 7: 7, 8: 8, 9: 9, 10: 10, 11: 11, 12: 12, 13: 13, 14: 14, 15: 15, 16: 16, 17: 17}}

g = pd.DataFrame(data).groupby(by=['buildings', 'vehicles', 'animals']).sum()
print(g)

输出：

                                   Value
buildings vehicles    animals           
apartment big truck   chimp            6
                      jaguar          11
                      lemur            8
                      lion            10
                      monkey           7
                      tiger            9
          small truck small truck      5
condo     condo       bobcat          12
                      jaguar          17
                      lemur           14
                      lion            16
                      monkey          13
                      tiger           15
house     big car     big car          4
          small car   ape              2
                      fish             3
mansion   boat        boat             1
          plane       plane            0

原谅无意义的数据，但孩子是车辆和动物。建筑物列不是子列，因为它位于第 0 列位置。

我想识别子列中的重复项。在这里，动物子列中有 5 个重复项： 猴子、狐猴、老虎、狮子、美洲虎。

车辆子列中有 0 个重复项。

我正在寻找一个仅由包含 5 个重复项的行组成的数据框。由于这里有 5 个副本，每个副本都有 2 个值，因此输出数据帧应该是 10 行长。

最后，数据框的宽度可能会有所不同。 （这里有 2 个子列，但在另一种情况下可能有多达 10 个子列）。

如果不清楚，我深表歉意。

Answer 1

在你的情况下尝试duplicated

out = g[g.index.get_level_values(2).duplicated(keep=False)]
Out[294]: 
                             Value
buildings vehicles  animals       
apartment big truck jaguar      11
                    lemur        8
                    lion        10
                    monkey       7
                    tiger        9
condo     condo     jaguar      17
                    lemur       14
                    lion        16
                    monkey      13
                    tiger       15