数据集重复值计数代码异常求助：输出与预期不符

需求：检查数据集内的重复值，返回重复值的整数计数。

编写的错误代码：

def check_duplicates():
    ds = pd.read_csv("Hospital_patients_datasets.csv")
    # Method to check for duplicate rows in the DataFrame.
    # Returns: The number of duplicated rows found in the DataFrame.
    ds=ds.duplicated().count()
    return ds

测试失败情况：

------------- Test Case Failed -------------
your output do not match the expected output: #

Your Updated results:
110527
预期输出：

0

问题原因 #

ds.duplicated()返回一个布尔Series，重复行对应True，非重复行对应False。你使用的count()方法是统计这个Series的总元素数量（即数据集总行数），而非重复行的数量。

修正方案 #

将count()替换为sum()：布尔值中True等价于1，False等价于0，sum()会自动累加所有True的数量，也就是重复行的计数：

def check_duplicates():
    ds = pd.read_csv("Hospital_patients_datasets.csv")
    # Method to check for duplicate rows in the DataFrame.
    # Returns: The number of duplicated rows found in the DataFrame.
    duplicate_count = ds.duplicated().sum()
    return duplicate_count

如果需要统计所有重复的行（包括首次出现的重复行），可以给duplicated()添加参数keep=False，这样所有重复行都会被标记为True，sum()后得到的是所有重复行的总数：

duplicate_count = ds.duplicated(keep=False).sum()

内容的提问来源于stack exchange，提问作者B.h.1999