【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