python在删除记录后无法访问索引

我有以下问题。在我的pandas数据框中，我有两条记录（具体来说，其中四条）是（无意中）复制的，我用

drop\u duplicates（take\u last=True）

删除了它们。现在，在其中一列中，我尝试使用

unique\u vals，int\u representation=np.unique（df.x，return\u inverse=True）

将字符串映射到整数值上，但由于某种原因，我发现原始列中唯一字符串的数量，而

int\u表示法中唯一整数值的数量不同，这没有任何意义

因此，我现在正在查看原始数据帧，试图理解其原因，我发现在访问数据帧的索引（其中一个丢弃的副本所在的位置）时，突然出现了一个错误。这真的很奇怪，比如说，
df.xs（10）
起作用，
df.xs（11）
不起作用，
df.xs（12）
又起作用了。这种情况正好发生了四次，对应于被删除记录的索引。我还检查过，当我不放弃时，问题就消失了

我怀疑这就是为什么np.unique对它的结果感到困惑的原因。这有什么意义吗？如何解决这个问题？任何帮助都将不胜感激

这就是我的代码类型：

df_mwe = pd.DataFrame( {'one': [1,2,2,3,4,5], 'two': ['a','b','c','d','d','d']} )
df_mwe
   one two
0    1   a
1    2   b
2    2   c
3    3   d
4    4   d
5    5   d

unique_vals, keys = np.unique( df_mwe['two'], return_inverse = True )

和
键
按预期返回
数组（[0,1,2,3,3]）
。现在，让我们从第一列中删除重复项：

df_mwe = df_mwe.drop_duplicates(cols='one', take_last = True)
df_mwe
   one two
0    1   a
2    2   c
3    3   d
4    4   d
5    5   d

及

产生
键
等于
数组（[0,1,2,3,3]）
，这是错误的，我怀疑这与索引
1
现在在帧中丢失有关

编辑：
杰夫的回答放在一边，加上这样一句话：

df_mwe.index = range(0,np.size(df_mwe['one']))

删除重复项后，也会执行此操作。
使用其
.values
属性传递序列。向numpy函数传递一个序列应该与传递实际的底层数组相同（这是
.values
提供的）。但是由于
np.unique
是不透明的，它可能在做一些不明显的事情

In [169]: x = df_mwe.drop_duplicates(cols='one', take_last = True)

In [170]: x
Out[170]: 
   one two
0    1   a
2    2   c
3    3   d
4    4   d
5    5   d

In [171]: np.unique(x['two'],return_inverse=True)
Out[171]: 
(two
0        a
1      NaN
2        c
3        d
Name: two, dtype: object,
 array([0, 1, 2, 3, 3]))

In [172]: np.unique(x['two'].values,return_inverse=True)
Out[172]: (array(['a', 'c', 'd'], dtype=object), array([0, 1, 2, 2, 2]))

以下是实现此目的的方法，仅供参考（第一个返回值是索引器，
第二个是所提供的缺失标记列表）

使用序列的
.values
属性传递序列。向numpy函数传递一个序列应该与传递实际的底层数组相同（这是
.values
提供的）。但是由于
np.unique
是不透明的，它可能在做一些不明显的事情

In [169]: x = df_mwe.drop_duplicates(cols='one', take_last = True)

In [170]: x
Out[170]: 
   one two
0    1   a
2    2   c
3    3   d
4    4   d
5    5   d

In [171]: np.unique(x['two'],return_inverse=True)
Out[171]: 
(two
0        a
1      NaN
2        c
3        d
Name: two, dtype: object,
 array([0, 1, 2, 3, 3]))

In [172]: np.unique(x['two'].values,return_inverse=True)
Out[172]: (array(['a', 'c', 'd'], dtype=object), array([0, 1, 2, 2, 2]))

以下是实现此目的的方法，仅供参考（第一个返回值是索引器，
第二个是所提供的缺失标记列表）

你能把你的原始帧和代码放出来复制吗？在做这件事之前，原因可能是我没有在删除帧后手动重新索引吗？显示你的代码将有助于诊断问题。你可能正在做一份拷贝或者在原地做一个操作，而你没有expect@Jeff，我编辑了我的问题。你能把你的原始框架和代码放出来复制吗？在这样做之前，原因可能是我在删除框架后没有手动重新编制框架索引吗？显示你的代码将有助于诊断问题。你可能正在做一份拷贝或者在原地做一个操作，而你没有expect@Jeff，我编辑了我的问题。你在用
np.unique做什么？您的最终目标是什么？只是想将这些字符串映射到整数（我正在计算文本的一些统计数据，我需要数字表示的单词），这里暗示我在代码中调用键是一种简单的方法，这实际上是正确的。或者，在我们的解决方案中，添加以下行
df_mwe.index=range（0，np.size（df_mwe['one']）
在我原来的mwe中也做了这项工作。我添加了熊猫做你正在做的事情的方式（这实际上是一个有趣的特性）事实上，对于我的大数据帧，np.unique仍然像你建议的那样疯狂，即使在用
值传递参数时也是如此。我真的不明白为什么，但只有在明确地重新索引了我用
范围编写的ala后，它才开始正常工作。你用
np.unique
做什么？什么您的最终目标是什么？只是想将这些字符串映射到整数（我正在计算文本的一些统计数据，我需要数字表示中的单词），这里暗示我在代码中调用键是一种简单的方法，这实际上是正确的。或者，在您的解决方案中，添加以下行
df_mwe.index=range（0，np.size）（df_mwe['one']))
在我原来的mwe中，我也做了这项工作。我添加了熊猫做你正在做的事情的方式（这实际上是一个有趣的特性）事实上，对于我的大数据帧，np.unique仍然像你建议的那样疯狂，甚至当用
值
传递参数时也是如此。我真的不明白为什么，但只有在显式地重新索引了我用
范围
编写的ala之后，它才开始正常工作。
In [182]: Index(x['two'].unique()).get_indexer_non_unique(x['two'])
Out[182]: (Int64Index([0, 1, 2, 2, 2], dtype=int64), array([], dtype=int64))