在一个名为source
的列的数据帧中,由两个不同的单词列表组成
source words letter_count
1 list1 apple 5
2 list1 pear 4
3 list1 banana 6
4 list2 ford 4
5 list2 chevy 5
6 list2 apple 5
7 list2 banana 6
我试图返回一个新的数据帧,显示list1和list2 中的重复单词
words letter_count
1 apple 5
2 banana 6
我正在使用python和pandas
我想您正在寻找pandas.Series.duplicated()
。它返回一个掩码(包含与条件匹配的值对应的True/False值的序列(,其中在序列中多次出现的值为True,而仅出现的值则为False。然后,您可以使用该掩码对数据帧进行索引:
new_df = df[df['words'].duplicated()].drop('source', axis=1)
输出:
>>> new_df
words letter_count
6 banana 6
7 apple 5
这里有一种方法可以查找源列的两个列表中是否存在相同的单词。
df.loc[df['words'].isin(set.intersection(*df.groupby('source')['words'].agg(set))),['words','letter_count']].drop_duplicates('words',keep='last')
或:
l = ['words','letter_count']
m1 = df.duplicated(['words','letter_count'])
m2 = df.groupby('words')['source'].transform('nunique').eq(df['source'].nunique())
df.loc[m1 & m2,l]
Output:
words letter_count
6 apple 5
7 banana 6