我有以下问题。在pandas数据框中,我有几个记录(特别是其中的4个)被(无意)复制了,我用drop_duplicates(take_last = True)
删除了它们。现在,在其中一个列中,我使用unique_vals, int_representation = np.unique(df.x, return_inverse = True)
试图映射到整数值上的字符串,但是我发现由于某些原因,原始列中唯一字符串的数量和int_representation
中唯一整数值的数量是不同的,这没有任何意义。在
所以,我现在正在浏览原始数据帧,试图了解其中的原因,我发现,当访问数据帧的索引时,突然出现了一个错误,其中一个被删除的重复项就位于该索引中。这真的很奇怪,因为df.xs(10)
起作用,df.xs(11)
不起作用,df.xs(12)
又起作用了。对于与已删除的记录对应的索引,这种情况正好发生了四次。我也检查过,当我不掉下去的时候,问题就消失了。在
我想这就是原因np.唯一对结果感到困惑。有道理吗?如何解决这个问题?任何帮助都将不胜感激。在
这就是我的代码:
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keys
返回array([0, 1, 2, 3, 3, 3])
,如预期。现在,让我们从第一列中删除重复项:
以及
unique_vals, keys = np.unique( df_mwe['two'], return_inverse = True )
产生keys
等于array([0, 1, 2, 3, 3])
,这是错误的,我怀疑这与索引{
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,也可以执行此操作。在
使用序列的
.values
属性传递该序列。将序列传递给numpy函数应该与传递实际的底层数组相同(这正是.values
提供给您的)。但是由于np.unique
是不透明的,它可能在做一些不明显的事情。在下面是pandas的方法,仅供参考(第一个返回值是索引器, 如果第二个指标缺失)
^{pr2}$相关问题 更多 >
编程相关推荐