Python 如何使用for循环获取数据帧所有列中的总重复数？

数据帧示例：

我试图找出一个数据帧的每列中存在多少重复记录。我想我可以简单地在下面这样的for循环中使用

df.[column name].duplicated（）.sum（）

代码，但是duplicated（）的语法错误无效

我的具体目标：有人能告诉我正确的语法是什么吗？但是，如果我这样做的方法完全不正确，那么除了for循环之外，还有什么方法可以完成同样的事情呢

我希望得到以下格式的输出：

---

列名称：列中重复的总数

您可以按所有列分组并调用大小索引指示重复值：

df.groupby(df.columns.tolist(),as_index=False).size()

one    three  two  
False  False  True     1
True   False  False    2
       True   True     1
dtype: int64

---

这里有一种方法：

import pandas as pd

df = pd.DataFrame({'Car': ['M', 'M', 'T', 'T', 'C']})

dupes = {}

for c in df:
    gb = df.groupby(c).size()
    dupes[c] = gb[gb > 1].sum()

dups

现在是：

>>> dupes
{'Car': 4}

---

只需将该逻辑应用于完整的数据帧。

另一个简单的解决方案将基于值计数来消除for循环。i、 e

df = pd.DataFrame({'Car': ['M', 'M', 'T', 'T', 'T', 'C'],'TV':['So','Su','So', 'So','T','So'],'Computer': ['D','Hp','Ap','Ac','S','H']})


x = df.apply(pd.Series.value_counts)
dupes_count = x[x>1].fillna(0).sum().to_dict()

输出：

{'Car': 5, 'Computer': 0, 'TV': 4}

您可以首先对所有列使用

apply

，然后将唯一（

1

）值替换为

0

和

sum

：

df = pd.DataFrame({'Car': list('MMTTCT'),
                  'Computer':list('abbbbc'),
                  'TV':list('aaabbb')})

print (df.apply(pd.value_counts))
   Car  Computer   TV
C  1.0       NaN  NaN
M  2.0       NaN  NaN
T  3.0       NaN  NaN
a  NaN       1.0  3.0
b  NaN       4.0  3.0
c  NaN       1.0  NaN

dupes = df.apply(pd.value_counts).replace(1,0).sum().astype(int).to_dict()
print (dupes)
 {'Car': 5, 'TV': 6, 'Computer': 4}

---

这对我有用

你所说的“每列重复记录”是什么意思？似乎你只是在询问给定列中每个值在该列中出现的次数。a列B列C列马自达索尼戴尔马自达苹果惠普丰田索尼东芝a列有2个重复项，B列有2个副本，C列有0个副本。请在问题中添加并格式化您的数据，而不是在注释中。输入后意识到。试图弄清楚这个网站是如何工作的。谢谢你的帮助。欢迎来到StackOverflow！如果你发布一个帖子，你会得到更好更快的帮助。特别地，考虑包括示例代码的数据，它代表了代码> DF，以及预期的输出。谢谢你的帮助。我试着从Excel复制/粘贴数据，它看起来和我的评论一模一样。之后，只需突出显示文本并点击

Ctrl

+

K

，将其格式化为类似于代码的格式。有关更多详细信息，请参阅。欢迎访问该站点。删除redunant函数几乎是类似的。

df = pd.DataFrame({'Car': list('MMTTCT'),
                  'Computer':list('abbbbc'),
                  'TV':list('aaabbb')})

print (df.apply(pd.value_counts))
   Car  Computer   TV
C  1.0       NaN  NaN
M  2.0       NaN  NaN
T  3.0       NaN  NaN
a  NaN       1.0  3.0
b  NaN       4.0  3.0
c  NaN       1.0  NaN

dupes = df.apply(pd.value_counts).replace(1,0).sum().astype(int).to_dict()
print (dupes)
 {'Car': 5, 'TV': 6, 'Computer': 4}

for column in df.columns:
    duplicate_column = df[column].duplicated().sum()
    print(column,': ', duplicate_column)