检测错误信息（python/pandas）

我是python和pandas的新手，我想知道我是否能够让pandas过滤掉数据帧中不一致的信息。例如，假设我有一个包含两列的数据框，（1）产品代码，（2）度量单位。第1列中的同一产品代码可能重复多次，并且会有多个不同的产品代码，我想过滤掉同一产品代码中有超过1个计量单位的产品代码。理想情况下，当这种情况发生时，过滤器将带来此类产品代码的所有实例，而不仅仅是度量单位不同的实例。为了使我的要求更具色彩，这里的真正目标是识别测量单位不一致的产品代码，因为在所有情况下，相同的产品代码应该始终具有相同的测量单位

---

提前谢谢

首先，您需要一些产品代码->度量单位的映射，即基本事实。您可以上传此信息，也可以尝试巧妙地从数据中推导出来，假设产品代码最常用的度量单位是正确的。你可以这样做

truth_mapping = df.groupby(['product_code'])['unit_of_measurement'].agg(lambda x:x.value_counts().index[0]).to_dict()

然后你可以得到一个列，它是“正确的”度量单位

df['correct_unit'] = df['product_code'].apply(truth_mapping.get)

然后可以筛选到没有正确映射的行：

df[df['correct_unit'] != df['unit_of_measurement']]

试试这个：

样本df：

df12= pd.DataFrame({'Product Code':['A','A','A','A','B','B','C','C','D','E'],
                   'Unit of Measurement':['x','x','y','z','w','w','q','r','a','c']})

分组方式，并查看所有非唯一对的计数：

new = df12.groupby(['Product Code','Unit of Measurement']).size().reset_index().rename(columns={0:'count'})

删除重复产品代码的所有行

new.drop_duplicates(subset=['Product Code'], keep=False)

---

给出您的输入数据帧和预期输出，以获得极快的回复！！！我会好好玩玩，看看能不能成功。会让你知道这是怎么发展的！更新！它比我想象的要好，我可以用它做很多事情！再次感谢你！hcmw，我在实现我的真实代码时遇到了一个问题。。。获取密钥错误：“产品代码”。有什么想法吗？这对我的模拟代码起了作用。。。我可能遗漏了一些东西。我猜你没有一个名为“product_name”的列，它的名称可能稍有不同，或者是索引。如果你做了

df.columns

，你应该能够列出你所有的专栏感谢回复Rahul！我将尝试您建议的解决方案，并尽快通知您！干杯Rahul，我尝试了上面的方法，前两行代码用来计算每个代码都有一个给定UM的实例数。但是代码的第三行并没有改变输出。。。我错过什么了吗？无论如何，这已经很有用了，我结合了为这个问题提供的两个解决方案，得到了非常有用的结果。谢谢

new.drop_duplicates（subset=['Product code']，keep=False）

如果您指的是这一行，那么这将删除所有映射不正确的行。在上面的示例行中，它有“A”和“C”Rahul，由于我的名声不好，我无法投票，因为我昨天加入了。我认为另一个答案对我的要求更有用。所以我接受了另一个答案。尽管如此，如果我能接受这两个答案，我会的！干杯