Python 3.x 按一列分组并从另一列中查找重复项，然后在Python中返回指示

给定一个小数据集

df

，如下所示，我需要groupby

floor

，在

room

中找到重复的数据集，然后返回Pandas中的

check

列：

   id  floor   room
0   1      1  101.0
1   2      1  102.0
2   3      2  201.0
3   4      2  201.0
4   5      2  202.0
5   6      3    NaN
6   7      3  201.0
7   8      3  301.0

我希望使用以下代码，因为还有许多其他列需要检查：

a = np.where(condition, None, 'duplicates')
# b = np.where(df.area.str.contains('^\d+$', na = True), None,
#                                  'area is not a numbers')  
f = (lambda x: ';'.join(y for y in x if pd.notna(y)) 
                if any(pd.notna(np.array(x))) else np.nan )
df['check'] = [f(x) for x in zip(a)]

预期结果如下：

   id  floor   room       check
0   1      1  101.0         NaN
1   2      1  102.0         NaN
2   3      2  201.0  duplicates
3   4      2  201.0  duplicates
4   5      2  202.0         NaN
5   6      3    NaN         NaN
6   7      3  201.0         NaN
7   8      3  301.0         NaN

---

如何修改条件代码？提前感谢您的帮助。

您可以将

np.where

与

复制的
一起使用。您可以查找
['floor'，room']
子集的重复项，而不是按楼层分组，然后传递
keep=False
以标记这两个重复项：

df['check'] = np.where(df.duplicated(['floor', 'room'], keep = False), 'duplicates', np.NaN)
df
Out[1]: 
   id  floor   room       check
0   1      1  101.0         nan
1   2      1  102.0         nan
2   3      2  201.0  duplicates
3   4      2  201.0  duplicates
4   5      2  202.0         nan
5   6      3    NaN         nan
6   7      3  201.0         nan
7   8      3  301.0         nan

您可以使用转换：

df["count"] = df.groupby(["floor", "room"]).transform("count")

结果:

   id  floor   room      count
0   1      1  101.0        1.0
1   2      1  102.0        1.0
2   3      2  201.0        2.0
3   4      2  201.0        2.0
4   5      2  202.0        1.0
5   6      3    NaN        NaN
6   7      3  201.0        1.0
7   8      3  301.0        1.0

可能使用
None
代替
np.NaN
？