如何在每行中返回超过 1 个相同值

Question

我有一个数据框，其中某些行具有相同的值。我想返回 df 中从 Num1 到 Num7 具有超过 1 个相同值的行号和值。
还想返回行号和相同的值。要么我就同意。

例如

import numpy as np
import pandas as pd

df = pd.DataFrame([[1,1,2,4,5,6,7,7],
            [2,5,6,7,22,23,34,48],
            [3,3,5,6,7,45,46,48],
            [4,6,7,14,29,32,6,29], # duplicate 6 and 29
            [5,6,7,13,23,33,35,7], # duplicate 7 but nothing else
            [6,1,6,7,8,9,10,8],
            [7,0,2,5,7,19,7,5]], # duplicate 7,5 
            columns = ['Row_Num', 'Num1','Num2','Num3','Num4','Num5','Num6','Num7'])

第一个结果

df2 = pd.DataFrame([[4,6,7,14,29,32], # Return 6 and 29
                   [7,0,2,5,7,19]], # Return 7,5 
            columns = ['Row_Num', 'Num1','Num2','Num3','Num4','Num5'])

第二个结果

df3 = pd.DataFrame([[4,6,29], # Return 6 and 29
                   [7,7,5]], # Return 7,5 
            columns = ['Row_Num', 'Num1','Num2'])

Answer 1

IIUC，您可以使用 pd.duplicated 进行一些数据操作来获得结果：

df = df.set_index('Row_Num') # set index
df_duplicated = df.transform(lambda x: x.duplicated(), axis=1) # returns if rows have duplicates

# First result where 
res1 = df[df_duplicated.sum(axis=1) >= 2][~df_duplicated[df_duplicated.sum(axis=1) >= 2]].dropna(axis=1)

# second result
res2 = df[df_duplicated.sum(axis=1) >= 2][df_duplicated[df_duplicated.sum(axis=1) >= 2]].dropna(axis=1)

输出：

result1

         Num1  Num2  Num3  Num4  Num5
Row_Num                              
4           6     7    14    29    32
7           0     2     5     7    19

result2

：

         Num6  Num7
Row_Num            
4           6    29
7           7     5

要完全匹配您的输出，只需

reset_index

并重命名第二个结果的列名称。