python - 为什么使用.loc []访问 Pandas 数据框的列会产生重复的行？

为什么.loc[]在我的DataFrame中产生重复的行？我正在尝试从m3中选择几列，即一个47列的DataFrame，以创建一个称为output的新DataFrame。

问题：用.loc[]访问m3的列后，输出的重复项比开始时m3的重复项多。这些副本从何而来？我还没有找到关于.loc[]复制行的任何在线信息。顺便说一下，输出DataFrame在读取output = m3.loc[...]的行上声明。

代码：

print("ARE THERE DUPLICATES in m3? ")
print(m3.duplicated().loc[lambda x: x==True])

output = m3.loc[:,["PLC_name", "line", "track", "notes", "final_source",
"s_name", "s_line", "s_track", "loc", "alt_loc", "suffix", "alt_match_name"]]

print("ARE THERE DUPLICATES in output? ")
print(output.duplicated().loc[lambda x: x==True].size, "duplicates")

终端输出：

ARE THERE DUPLICATES in m3?
5241    True
5242    True
5243    True
5355    True
5356    True
5357    True
dtype: bool
ARE THERE DUPLICATES in output?
1838 duplicates

当然，我可以通过调用.drop_duplicates(keep="first")轻松解决问题，但是在学习.loc[]为何显示此行为方面我更有趣。

最佳答案

output为m3中的选定列过滤。当您在duplicated上调用m3时，将考虑原始数据帧中的所有列。在duplicated上调用output时，仅考虑这些列的子集。

因此，即使output中没有重复项，您也可以在m3中具有重复项。

这是您所看到的内容的最小且可复制的示例：

df = pd.DataFrame([[3, 8, 9], [4, 8, 9]])
print(df.duplicated().sum(), 'duplicates')
# 0 duplicates

df_filtered = df.loc[:, [1, 2]]
print(df_filtered.duplicated().sum(), 'duplicates')
# 1 duplicates