如何根据其他列中的值从 Pandas 数据框中查找重复项？

Question

我有一个 Pandas Df-

A= 
[period store  item
1        32     'A'
1        34     'A'
1        32     'B'
1        34     'B'
2        42     'X'
2        44     'X'
2        42     'Y'
2        44     'Y']

我需要实现这样的东西： 如果某个项目与该特定时期的任何其他项目具有相同的商店集，则这些项目是重复的。 所以在这种情况下，A 和 B 是重复的，因为它们在各自的时期拥有相同的商店。

我已尝试使用以下方法将其转换为嵌套字典：

dicta = {p: g.groupby('items')['store'].apply(tuple).to_dict()
         for p, g in mkt.groupby('period')}

返回给我这样的字典：

dicta = {1: {'A': (32, 34),'B': (32, 34)}, 2: {'X': (42, 44),'Y': (42, 44)}}

... 所以最后我想要一本这样的字典。

{1:(A,B),2:(X,Y)} 虽然，我无法找到如何找到重复项目的任何逻辑。 有没有其他方法可以找到那些重复的项目

Answer 1

您可以简单地使用.duplicated。确保将['period', 'store'] 作为subset 和keep 作为False 传递，以便返回所有行。

 print(A[A.duplicated(subset=['period', 'store'], keep=False)])

输出

  period store item
0      1    32    A
1      1    34    A
2      1    32    B
3      1    34    B
4      2    42    X
5      2    44    X
6      2    42    Y
7      2    44    Y

请注意，根据您指定的逻辑，所有行都是重复的。

EDIT在OP详细说明预期格式后，我建议

duplicates = A[A.duplicated(subset=['period', 'store'], keep=False)]
output = {g: tuple(df['item'].unique()) for g, df in duplicates.groupby('period')}

那么output 就是{1: ('A', 'B'), 2: ('X', 'Y')}。