将 pandas 数据框转换为 bool 值

Question

我正在尝试编写一段代码来检查 pandas 系列的 Unix 列中是否有重复项。它应该为 DataSet 返回 bool 值 True，因为 130 重复两次并且 对于 DataSet2 为 False。我怎样才能得到下面的预期输出？

import pandas as pd

DataSet = pd.DataFrame({'Unix':[130, 140, 150, 130],
                  'Value':[11,2,3,4]})
DataSet2 =  pd.DataFrame({'Unix':[130, 140, 150, 160],
                  'Value':[11,2,3,4]})
 
print(DataSet.duplicated(subset=['Unix']).bool())
print(DataSet2.duplicated(subset=['Unix']).bool())

预期输出：

True 
False

Answer 1

您只需要调用 .any() ，如果集合中有任何真值作为参数传递给它，它就会返回 True （相反， .all( ) 仅当给定集合中的所有值都为真时才返回 True）：

In [5]: DataSet.duplicated(subset=['Unix']).any()
Out[5]: True

In [6]: DataSet2.duplicated(subset=['Unix']).any()
Out[6]: True

但是，我认为您可能不小心为 DataSet2 复制了错误的数据，因为它是与 DataSet1 相同并且False 答案没有意义。

请注意，您还可以使用 .is_unique，它更适合您的用例：

In [7]: DataSet.Unix.is_unique
Out[7]: False

In [8]: DataSet2.Unix.is_unique
Out[8]: False

作为参考，.any() 和 .all()< /code> 函数是一种便捷方法，逻辑上相当于分别对集合中的所有项目使用 or 和 and。

Answer 2

使用 .any() 而不是 .bool()：

print(DataSet.duplicated(subset=['Unix']).any())
print(DataSet2.duplicated(subset=['Unix']).any())

输出：（

True
True

请注意，给定的 DataSet 和 DataSet1问题中的内容是相同的，因此两者都是True，我认为这只是一个拼写错误，并不反映您的实际数据。）

Answer 3

你可以得到 DataSet True 以下代码

print(DataSet["Unix"].duplicated().sum() > 0)

我不知道为什么 DataSet2 是 False