Python 3.x 如何使用pandas在python的新列中识别重复项并返回重复项

我有一个很大的数据框，它的位置名称被标记为GPS坐标。但是，多个位置被标记到一个GPS坐标上，情况不应如此。我想在此数据框中创建一个新列，列出标记在GPS坐标上的其他位置

我知道这可能有些过分，但目前，我正在使用cKDTree返回标记在GPS上的其他位置。然而，我只了解了一半的情况，我不知道打嗝是从哪里来的

df_inventory['has_duplicates']=df_inventory.duplicated（子集=['lat，'lng']，keep=False）
对于库存点中的x：
库存索引=库存树。查询球点（x，0）
如果len（库存指数）>1：
距离，索引点=库存树。查询（x，len（库存索引））
对于索引点中的y：
df_inventory.duplicates.iloc[inventory_points.index（x）]=np.append（df_inventory.duplicates.iloc[inventory_points.index（x）]，df_inventory.location.iloc[y]）
df_inventory.duplicates.iloc[inventory_points.index（x）]=np.unique（df_inventory.duplicates.iloc[inventory_points.index（x）]）

这就是我期望看到的

+----------+-----+-----+----------------+------------+
| location | lat | lng | has_duplicates | duplicates |
+----------+-----+-----+----------------+------------+
| loc1     | 1   | 2   | T              | loc1, loc2 |
+----------+-----+-----+----------------+------------+
| loc2     | 1   | 2   | T              | loc1, loc2 |
+----------+-----+-----+----------------+------------+
| loc3     | 2   | 1   | T              | loc3, loc5 |
+----------+-----+-----+----------------+------------+
| loc4     | 3   | 4   | F              | None       |
+----------+-----+-----+----------------+------------+
| loc5     | 2   | 1   | T              | loc3, loc5|
+----------+-----+-----+----------------+------------+
| loc6     | 5   | 4   | F              | None       |
+----------+-----+-----+----------------+------------+

然而，这就是我得到的

+----------+-----+-----+----------------+------------+
| location | lat | lng | has_duplicates | duplicates |
+----------+-----+-----+----------------+------------+
| loc1     | 1   | 2   | T              | loc1, loc2 |
+----------+-----+-----+----------------+------------+
| loc2     | 1   | 2   | T              |            |
+----------+-----+-----+----------------+------------+
| loc3     | 2   | 1   | T              | loc3, loc5 |
+----------+-----+-----+----------------+------------+
| loc4     | 3   | 4   | F              | None       |
+----------+-----+-----+----------------+------------+
| loc5     | 2   | 1   | T              |            |
+----------+-----+-----+----------------+------------+
| loc6     | 5   | 4   | F              | None       |
+----------+-----+-----+----------------+------------+

loc2应将loc1、loc2列为副本；loc5应该有loc3，loc5作为副本列出，但它没有

更新

---

index（）只返回列表中第一个出现的项，对于包含重复项的列表不起作用。最后，我在另一个列表中枚举了该列表，然后遍历枚举的列表以引用所需的列表。这仍然是一个相当笨拙的工作，但如果有人有更好的方法来通过它，请让我知道

这能回答你的问题吗

df_inventory = pd.DataFrame({
'location':['loc1','loc2','loc3','loc4','loc5','loc6'], 
'lat':[1,1,2,3,2,5], 
'lng':[2,2,1,4,1,4], 

})

输出：

    location    lat lng duplicates
0   loc1        1   2   loc1 loc2
1   loc2        1   2   loc1 loc2
2   loc3        2   1   loc3 loc5
3   loc4        3   4   NaN
4   loc5        2   1   loc3 loc5
5   loc6        5   4   NaN

对不起，我不知道如何正确地告诉你结果。。。有人可以帮我你可以试试：

df_inventory['duplicates'] = df_inventory.groupby(['lat','lng'])['location'] \
                              .transform(lambda x: ', '.join(x) if len(x) > 1 else None)

output:


location    lat lng duplicates
0   loc1    1   2   loc1, loc2
1   loc2    1   2   loc1, loc2
2   loc3    2   1   loc3, loc5
3   loc4    3   4   NaN
4   loc5    2   1   loc3, loc5
5   loc6    5   4   NaN

---

谢谢，这真的很接近我要找的。不过，我希望将这些结果保存到现有数据框中的新列中。谢谢！这以一种更加友好的计算方式实现了这一点！

df_inventory['duplicates'] = df_inventory.groupby(['lat','lng'])['location'] \
                              .transform(lambda x: ', '.join(x) if len(x) > 1 else None)

output:


location    lat lng duplicates
0   loc1    1   2   loc1, loc2
1   loc2    1   2   loc1, loc2
2   loc3    2   1   loc3, loc5
3   loc4    3   4   NaN
4   loc5    2   1   loc3, loc5
5   loc6    5   4   NaN