时间戳

首页 > 解决方案 > pandas 如何找到一对一的相关值？

python - pandas 如何找到一对一的相关值？

问题描述

我有df一对 id 并且我尝试过滤那些具有唯一一对一关系的对，以便没有任何left_id值具有多个对应right_id的值，同时，分别没有任何right_id值具有多个的对应值left_id。

很简单，但我卡住了...

让我们生成一些示例数据进行说明：

np.random.seed(0)
df = pd.DataFrame(data = np.random.randint(0,1000,(1000000,2)),
                  index = np.arange(1000000), 
                  columns = ['left_id', 'right_id'])

像那样：

  left_id right_id
0  684   559
1  629   192
2  835   763
3  707   359
4  9     723

删除重复项：

单程：

len(df.drop_duplicates('left_id', keep=False).drop_duplicates('right_id', keep=False))

637

另一种方式：

len(df.drop_duplicates('right_id', keep=False).drop_duplicates('left_id', keep=False))

633

所以相同操作的结果并不一致，所以我认为这种方法是错误的。

如何使它正确？

标签： pythonpandas

解决方案

编辑：清晰度

我可以可靠地重新创建这个“问题”，我有预感会有一些重叠：

import pandas as pd

df = pd.DataFrame({"left" : [1, 2, 3, 4, 5, 7, 7, 9, 0, 1],                                                        
                   "right": [11, 12, 13, 14, 15, 15, 15, 17, 10, 20]})

像这样 ：

 df.drop_duplicates("right", keep=False).drop_duplicates("left",keep=False)

    left  right
1     2     12
2     3     13
3     4     14
7     9     17
8     0     10

和

df.drop_duplicates("left", keep=False).drop_duplicates("right",keep=False)

    left  right
1     2     12
2     3     13
3     4     14
4     5     15
7     9     17
8     0     10

简而言之，如果一列中的任何删除使先前重复的值在另一列中成为唯一的；输出不会是对称的。

如果您尝试以下操作，则重复但没有重叠：

df2 = pd.DataFrame({"left" : [1, 2, 3, 4, 5, 5],
                    "right": [10, 10, 20 ,30, 40, 50]})

您会看到输出是相同的，您应该将重复项分开并将它们连接回来，这将确保保留每个真正唯一的值，并且您可以决定丢弃哪些值：

left = df["left"].drop_duplicates(keep=False)
right  = df["right"].drop_duplicates(keep=False)

one_to_one = pd.concat((left, right), axis=1)

one_to_one = one_to_one.dropna()

这种行为应该是您所期望的，只是要注意NaN将float类型转换为列。

推荐阅读