python - pandas重复记录查找相同和不同的列

Question

我有这样的记录

raw_data = {
        'subject_id': ['1', '2', '2', '3', '3'],
        'name': ['A', 'B', 'B', 'C', 'D'],
        'age_group' : [1, 2, 2, 1, 1]}
df = pd.DataFrame(raw_data, columns = ['subject_id', 'name','age_group'])

其中包含一个(重复的)ID 和一些附加列。下面

ids = df.subject_id
df[ids.isin(ids[ids.duplicated()])]

将仅返回重复的记录。现在我想更好地理解这些列

• 相同
• 不同

对于每个重复记录，即在本例中，我希望接收有问题的重复 ID 以及行不同的相应列。

  subject_id name
1          2    B
2          2    B
3          3    C
4          3    D

Answer 1

如果你有

>>>duplicated_ids
  subject_id name  age_group
1          2    B          2
2          2    B          2
3          3    C          1
4          3    D          1

然后

>>>othercols = duplicated_ids.columns[1:]
>>>outcols = ['subject_id']
>>>for col in othercols:
       if not duplicated_ids.drop_duplicates(['subject_id', col], keep=False).empty:
           outcols.append(col)

>>>duplicated_ids.loc[:, outcols]
  subject_id name
1          2    B
2          2    B
3          3    C
4          3    D