在熊猫数据框中创建重复索引条目列表

我想确定索引中的哪些时间戳记有重复。我想创建一个时间戳字符串的列表。如果可能的话，我想为每个重复的时间戳返回一个时间戳。在熊猫数据框中创建重复索引条目列表

#required packages 
import os 
import pandas as pd 
import numpy as np 
import datetime 

# create sample time series 
header = ['A','B','C','D','E'] 
period = 5 
cols = len(header) 

dates = pd.date_range('1/1/2000', periods=period, freq='10min') 
dates2 = pd.date_range('1/1/2022', periods=period, freq='10min') 
df = pd.DataFrame(np.random.randn(period,cols),index=dates,columns=header) 
df0 = pd.DataFrame(np.random.randn(period,cols),index=dates2,columns=header) 
df1 = pd.concat([df]*3)               #creates duplicate entries by copying the dataframe 
df1 = pd.concat([df1, df0]) 
df2 = df1.sample(frac=1)              #shuffles the dataframe 
df3 = df1.sort_index()               #sorts the dataframe by index 

print(df2) 
#print(df3) 

# Identifying duplicated entries 

df4 = df2.duplicated() 

print(df4)

我想然后使用列表调出每个时间戳的所有重复条目。从上面的代码，有没有一种很好的方式来调用与错误的布尔类型相关的索引？

编辑：增加了一个额外的数据框来创建一些独特的值，并将第一个数据框增加了三倍，以创建多个单独的重复。也为该问题增加了更多细节。

来源

2017-09-21 Moose Drool

In [46]: df2.drop_duplicates() 
Out[46]: 
          A   B   C   D   E 
2000-01-01 00:00:00 0.932587 -1.508587 -0.385396 -0.692379 2.083672 
2000-01-01 00:40:00 0.237324 -0.321555 -0.448842 -0.983459 0.834747 
2000-01-01 00:20:00 1.624815 -0.571193 1.951832 -0.642217 1.744168 
2000-01-01 00:30:00 0.079106 -1.290473 2.635966 1.390648 0.206017 
2000-01-01 00:10:00 0.760976 0.643825 -1.855477 -1.172241 0.532051 

In [47]: df2.drop_duplicates().index.tolist() 
Out[47]: 
[Timestamp('2000-01-01 00:00:00'), 
Timestamp('2000-01-01 00:40:00'), 
Timestamp('2000-01-01 00:20:00'), 
Timestamp('2000-01-01 00:30:00'), 
Timestamp('2000-01-01 00:10:00')]

来源

2017-09-21 17:55:54 MaxU

这个功能非常好，比任何其他答案都要灵活一些。有没有简单的方法将时间戳列表转换为字符串？我试过使用to_string，但是列表没有这个属性。基本上只是列出时间戳为： ['2000-01-01 00:00:00' '2000-01-01 00:40:00' '2000-01-01 00:20:00 ' '2000-01-01 00:30:00' '2000-01-01 00:10:00'] –

IIUC：

df4[~df4]

输出：时间标记的

2000-01-01 00:10:00 False 
2000-01-01 00:00:00 False 
2000-01-01 00:40:00 False 
2000-01-01 00:30:00 False 
2000-01-01 00:20:00 False 
dtype: bool

列表，

df4[~df4].index.tolist()

输出：

[Timestamp('2000-01-01 00:10:00'), 
Timestamp('2000-01-01 00:00:00'), 
Timestamp('2000-01-01 00:40:00'), 
Timestamp('2000-01-01 00:30:00'), 
Timestamp('2000-01-01 00:20:00')]

来源

2017-09-21 17:50:27

在熊猫数据框中创建重复索引条目列表

回答

相关问题