python - 在 python 中返回跨列具有重复对的行

Question

我有一个如下所示的 csv 文件:

visitor guest   location year
person1 person2 memphis 1994
person1 person4 detroit 2008
person2 person1 oakland 2006
person4 person1 chicago 1993
person3 person1 oakland 1998
person5 person6 detroit 2001

我正在尝试编写一个遍历 csv 的 python 程序，如果有一个访客 + 访客与访客 + 访客匹配，它将返回整行，如下所示...

visitor guest   location    year
person1 person2 memphis 1994
person1 person4 detroit 2008
person2 person1 oakland 2006
person4 person1 chicago 1993

我是Python新手。到目前为止我得到的是:

import pandas as pd
df = pd.read_csv(“visitors.csv")
df2= df[df.duplicated([‘visitor’, ‘guest’], keep=False)]

但这只是在“访客”+“访客”重复时给我返回列表，而不是在“访客”+“访客”与“访客”+“访客”相同时返回列表。

我想做的似乎是这个的变体: return rows with unique pairs across columns

但是这段代码:

df2 = df.loc[:, [‘visitor’, ‘guest’]].apply(sorted, axis=1).drop_duplicates()

正在删除重复项(只给我“访客”和“访客”列)，而不是保留它们。

Answer 1

您可以像这样构建 bool 掩码:

mask = df[['visitor', 'guest']].apply(sorted, axis=1).duplicated(keep=False)

然后对其建立索引:

df2 = df.loc[mask]

这里，mask 是一系列 bool 值，只要前两列(与顺序无关)在其他地方重复，它就为 True:

0     True
1     True
2     True
3     True
4    False
5    False
dtype: bool

并且可以有效地传递给.loc[]，作为“过滤”真实情况的一种手段。