Buenas!!!
Tengo que obtener el número de veces que aparece una línea completa repetida en mi dataframe, para luego mostrar solo aquellas líneas que aparecen repetidas y mostrar en la última columna cuántas veces esas líneas aparecen repeticiones.
Este tendría que ser el resultado de la tabla correcta:
dur wage1 wage2 wage3 cola hours pension stby_pay shift_diff num_reps
6 3.0 2.0 3.0 NaN tcf NaN empl_contr NaN NaN 4
8 1.0 2.8 NaN NaN none 38.0 empl_contr 2.0 3.0 2
9 1.0 5.7 NaN NaN none 40.0 empl_contr NaN 4.0 3
43 2.0 2.5 3.0 NaN NaN 40.0 none NaN NaN 2
Este mi código actual:
def detect_duplicates(data):
x = DataFrame(columns=data.columns.tolist() + ["num_reps"])
x = data[data.duplicated(keep=False)].drop_duplicates()
return x
Obtengo el resultado de forma correcta, sin embargo la última columna "nums_reps" que debería mostrarme cuantas veces aparece esa columna repetida, me tiene algo perdido, ya que no se como realizar esa contabilidad.
Este es el resultado que estoy actualmente obteniendo, es muy similar al que debería de tener, sin embargo no se como añadir la contabilidad de las filas repetidas al final.
dur wage1 wage2 wage3 cola hours pension stby_pay shift_diff
6 3.0 2.0 3.0 NaN tcf NaN empl_contr NaN NaN
8 1.0 2.8 NaN NaN none 38.0 empl_contr 2.0 3.0
9 1.0 5.7 NaN NaN none 40.0 empl_contr NaN 4.0
43 2.0 2.5 3.0 NaN NaN 40.0 none NaN NaN
En resumen, ¿Cómo podría realizar ese cálculo? Como podría contabilizar el número de filas que tienen todos los atributos iguales, para al final mostrarlos en una fila final "num_reps".
Gracias