Come contare i duplicati nei panda: con esempi

È possibile utilizzare i seguenti metodi per contare i duplicati in un DataFrame panda:

Metodo 1: conta i valori duplicati in una colonna

 len (df[' my_column ']) - len (df[' my_column ']. drop_duplicates ())

Metodo 2: contare le righe duplicate

 len (df) -len ( df.drop_duplicates ())

Metodo 3: conta i duplicati per ogni riga univoca

 df. groupby ( df.columns.tolist (), as_index= False ) . size ()

I seguenti esempi mostrano come utilizzare ciascun metodo nella pratica con i seguenti DataFrame panda:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],
                   ' position ': ['G', 'G', 'G', 'F', 'G', 'G', 'F', 'F'],
                   ' points ': [5, 5, 8, 10, 5, 7, 10, 10]})

#view DataFrame
print (df)

  team position points
0 AG 5
1 GA 5
2 AG 8
3 AF 10
4 BG 5
5 BG 7
6 BF 10
7 BF 10

Esempio 1: conta i valori duplicati in una colonna

Il codice seguente mostra come contare il numero di valori duplicati nella colonna dei punti :

 #count duplicate values in points column
len (df[' points '])- len (df[' points ']. drop_duplicates ())

4

Possiamo vedere che ci sono 4 valori duplicati nella colonna dei punti .

Esempio 2: contare le righe duplicate

Il codice seguente mostra come contare il numero di righe duplicate nel DataFrame:

 #count number of duplicate rows
len (df) -len ( df.drop_duplicates ())

2

Possiamo vedere che ci sono 2 righe duplicate nel DataFrame.

Possiamo usare la seguente sintassi per visualizzare queste 2 righe duplicate:

 #display duplicated rows
df[df. duplicated ()]

        team position points
1 A G 5
7 B F 10

Esempio 3: contare i duplicati per ogni riga univoca

Il codice seguente mostra come contare il numero di duplicati per ogni riga univoca nel DataFrame:

 #display number of duplicates for each unique row
df. groupby ( df.columns.tolist (), as_index= False ) . size ()

        team position points size
0 A F 10 1
1 A G 5 2
2 A G 8 1
3 B F 10 2
4 B G 5 1
5 B G 7 1

La colonna Dimensioni mostra il numero di duplicati per ogni riga univoca.

Risorse addizionali

I seguenti tutorial spiegano come eseguire altre operazioni comuni nei panda:

Come rimuovere le righe duplicate in Pandas
Come rimuovere le colonne duplicate in Pandas
Come selezionare le colonne per indice in Pandas