从重复行中获取行号

Question

我需要读取excel文件并突出显示重复的行，而不需要编辑excel或添加新的列/行。我使用df=pd.read_excel(path2,sheet_name='sheet1')读取excel文件，并使用df.drop_duplicates(Subset=df.columns.difference(['mark4']))读取所有重复行，但不包括'mark4'。问题是，我无法提取这些行号来与df.style.applymap(color_negative_red)一起使用，以突出显示excel中的那些行，因为这些行不包括在DF中。

我试过dftoList=redovi['unique_row_to_index'].toList()，但由于没有唯一的行，所以无法提取数据。

df.drop_duplicates(subset=df.columns.difference(['标记4']))的输出为：

    Type1 Type2
0    w    A
11    w    A
12    w    A
18    w    A
19    w    A
20    w    A

[6行x170列]

我需要提取那些不属于excel列的行号，并将它们作为列表用于将来的格式设置。

Answer 1

您可以使用带有dataframe.duplicated和keep=false的自定义函数来掩码指定列名的重复行：

df = pd.DataFrame({'Type1':['w'] * 3 + ['a'],
                   'Type2':['A'] * 3 + ['b'],
                   'Mark 4': range(4)})

print (df)
  Type1 Type2  Mark 4
0     w     A       0
1     w     A       1
2     w     A       2
3     a     b       3

测试：

print (df.duplicated(subset=df.columns.difference(['Mark 4']), keep=False))
0     True
1     True
2     True
3    False
dtype: bool

def highlight(x):
    c = 'background-color: red'

    df1 = pd.DataFrame('', index=x.index, columns=x.columns)
    m = x.duplicated(subset=x.columns.difference(['Mark 4']), keep=False)
    df1 = df1.mask(m, c)
    return df1

df.style.apply(highlight, axis=None)