2

Tengo un DataFrame y requiero agrupar en un nuevo DataFrame las filas que cumplan una condición de igualdad entre elementos que se encuentran en una misma columna, por ejemplo tengo el siguiente DataFrame:

import pandas as pd

df = pd.DataFrame(np.array([
                    [1009, "Elemento1","125"], 
                    [1007, "Elemento2","150"],
                    [1008, "Elemento2","150"],
                    [1007, "Elemento2","150"],
                    [1010, "Elemento3","-220"],
                    [1009, "Elemento4","-275"],
                    [1011, "Elemento5","500"]]),
                   columns=['Código', 'Columna', 'valor']) 

necesito llevar a un nuevo DataFrame las filas donde se de que el valor en la columna Código sean iguales, es decir:

df = pd.DataFrame(np.array([
                    [1009, "Elemento1","125"], 
                    [1009, "Elemento4","-275"],
                    [1007, "Elemento2","150"],
                    [1007, "Elemento2","150"],
                    columns=['Código', 'Columna', 'valor']) 

Pensaba hacerlo usando df.loc[i,'Código'] y con un for ir comparando las siguientes filas pero no me funciono.

2 respuestas 2

3

Para saber los datos duplicados podemos apoyarnos del método duplicated() que nos devuelve un DataFrame de booleanos indicandonos con True los datos duplicados. Luego de haber hallado los datos duplicados de la columna Código podemos hacer un filtro para obtener los datos que cumplen con el critero

vals = cod[df["Código"].duplicated()]
duplicados = df[df["Código"].isin(vals)]
print(duplicados)

Y con eso obtenemos esto:

Código Columna valor
0 1009 Elemento1 125
1 1007 Elemento2 150
3 1007 Elemento2 150
5 1009 Elemento4 -275

Esto está ordenado de acuerdo al índice, si quieres lo puedes volver a ordenar según el Código.

3
  • Muchas gracias por tu ayuda, tengo una pregunta. en la primer linea me salio error por el 'cod', tal vez era df, no? Commented el 1 oct. 2021 a las 15:37
  • si, perdón me había confundido >_<
    – Christian
    Commented el 1 oct. 2021 a las 15:55
  • jaja ok, no hay problema, con el cambio funciono perfecto. Muchas gracias. Commented el 1 oct. 2021 a las 15:58
2

Una forma bien sencilla es el equivalente en SQL a un group by having count, es decir, agrupar y filtrar por la cantidad de casos de cada grupo:

df.groupby('Código').filter(lambda x: len(x) > 1).sort_values('Código') 
1
  • Excelente, no conocia este equivalente a SQL, me funciono. Te agradezco. Commented el 1 oct. 2021 a las 15:38

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.