パンダのデータフレーム内の重複する行をすべて見つけよう

Question

事前に列の名前と数を知らずに、データセット内の重複した行のすべてのインスタンスのインデックスを取得したいと考えています。だから私はこれを持っていると仮定します。

 col 
1 | 1 
2 | 2 
3 | 1 
4 | 1 
5 | 2 

私は[1, 3, 4]と[2, 5]を取得できるようにしたいと思います。これを達成する方法はありますか？それは本当にシンプルに聞こえるが、私は事前に列を知らないので、df[col == x...]のようなことはできない。

Answer 1

まずフィルタすべてduplicated行と、その後applyとgroupbyまたはindexto_seriesを変換：

df = df[df.col.duplicated(keep=False)] 

a = df.groupby('col').apply(lambda x: list(x.index)) 
print (a) 
col 
1 [1, 3, 4] 
2  [2, 5] 
dtype: object 

---

a = df.index.to_series().groupby(df.col).apply(list) 
print (a) 
col 
1 [1, 3, 4] 
2  [2, 5] 
dtype: object 

そして必要ネストしたリストの場合：

L = df.groupby('col').apply(lambda x: list(x.index)).tolist() 
print (L) 
[[1, 3, 4], [2, 5]] 

のみ最初の使用が必要な場合positioで選択可能な列ですilocのn：私はdf.columnsをGROUPBYする必要が列を知らないので、

a = df[df.iloc[:,0].duplicated(keep=False)] 
     .groupby(df.iloc[:,0]).apply(lambda x: list(x.index)) 
print (a) 
col 
1 [1, 3, 4] 
2  [2, 5] 
dtype: object