【问题标题】:pandas duplicated() returning column values in one case and index values in anotherpandas duplicated() 在一种情况下返回列值,在另一种情况下返回索引值
【发布时间】:2020-09-14 01:59:53
【问题描述】:

我有两个 csv 文件,我将这些数据加载到两个不同的数据框中:

CGMData_DF = pd.read_csv("./CGMData.csv", index_col=False, usecols=["Index","Date", "Time", "Sensor Glucose (mg/dL)"])
InsulinData_DF = pd.read_csv("./InsulinData.csv", index_col=False, usecols=["Index","Date","Time","Alarm"])

我想检查两个数据框中名为“索引”的列中的重复项

所以对于 CGM 数据,我这样做:

duplicateCGMindexes = CGMData_DF.duplicated(subset=["Index"])
duplicateCGMindexes[duplicateCGMindexes == True]

Jupyter 笔记本返回:

24628    True
24629    True
24630    True
24631    True
24632    True
         ... 
47545    True
47546    True
47547    True
47548    True
47549    True
Length: 22838, dtype: bool

我取第一个值并使用它进行检查:

CGMData_DF.loc[CGMData_DF['Index'] == 24628]

果然,Jupyter notebook 告诉我有两行:

        Index   Date        Time        Sensor Glucose (mg/dL)
4273    24628   1/28/2018   16:17:34    NaN
27111   24628   10/31/2017  21:08:59    261.0

我对胰岛素数据框重复相同的过程

duplicateInsulinIndexes = InsulinData_DF.duplicated(subset=["Index"])
duplicateInsulinIndexes[duplicateInsulinIndexes == True]

Jupyter 笔记本返回:

19295    True
19296    True
19297    True
19298    True
19299    True
         ... 
38585    True
38586    True
38587    True
38588    True
38589    True
Length: 19295, dtype: bool

我取第一个值并使用它进行检查:

InsulinData_DF.loc[InsulinData_DF['Index'] == 19295]

Jupyter 笔记本返回:

        Index   Date        Time        Alarm
38590   19295   8/15/2017   22:24:13    NaN

经过检查发现19295不是被复制的列值,而是被复制的列值的行标签

我得到行标签 19295 的“索引”列值:

InsulinData_DF.loc[19295]

Jupyter 返回:

Index            0
Date     11/9/2017
Time      12:23:04
Alarm          NaN
Name: 19295, dtype: object

我检查“索引”列值 0

InsulinData_DF.loc[InsulinData_DF['Index'] == 0]

Jupyter 返回 2 行:

        Index   Date        Time        Alarm
0       0       2/12/2018   13:20:53    NaN
19295   0       11/9/2017   12:23:04    NaN

我的问题是为什么.duplicated() 函数在一种情况下返回列值而在另一种情况下返回行标签?

【问题讨论】:

    标签: python pandas jupyter-notebook


    【解决方案1】:

    当您删除它时,请检查以将其重新分配

    uniqueDF = InsulinData_DF[duplicateInsulinIndexes]
    

    【讨论】:

      【解决方案2】:

      好的,我意识到了

      duplicateCGMindexes = CGMData_DF.duplicated(subset=["Index"])
      duplicateCGMindexes[duplicateCGMindexes == True]
      

      实际上只返回行标签,我把它们误认为是列值

      CGMData_DF.loc[24628]
      

      给了:

      Index                         22145
      Date                      11/9/2017
      Time                       12:24:33
      Sensor Glucose (mg/dL)          117
      Name: 24628, dtype: object
      

      和

      CGMData_DF.loc[CGMData_DF['Index'] == 22145]
      

      给了:

              Index   Date        Time        Sensor Glucose (mg/dL)
      1790    22145   2/6/2018    7:25:54     198.0
      24628   22145   11/9/2017   12:24:33    117.0
      

      事实上列值 22145 是值再次开始重复时的第一个实例

      【讨论】:

        猜你喜欢
        • 2020-03-31
        • 2023-03-10
        • 1970-01-01
        • 1970-01-01
        • 1970-01-01
        • 1970-01-01
        • 1970-01-01
        • 1970-01-01
        • 1970-01-01
        相关资源
        最近更新 更多