[英]Fastest way of finding duplicates in pandas
我有一个这样的数据框:
date IP date_2 IP_2
2020-02-17 81.195.104.48 2020-02-24 219.85.238.142
2020-02-17 83.71.247.175 2020-02-24 187.134.23.124
2020-02-17 83.71.247.175 Nat NaN
比较IP
和IP_2
值时,我试图获得重复项。 IP
行数比IP_2
因此我正在检查IP_2
是否存在于IP
如下所示:
df['duplicates']=df['IP_2'].isin(df['IP'])
有没有更快的方法只获取重复的df
而不是添加检查.isin()
方法的新列? 所需的输出将是一个仅包含重复值的新数据帧。
谢谢你的建议。
设置比较在我看来是最快的方法:
set_common = set(df['IP']) & set(df['IP_2'])
PS 另一种方法是实际使用 IP 格式(即将它转换为整数,然后进行某种比较,但这显然对于一个非常大的表是有意义的)。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.