如何以更简洁方式获取Pandas DataFrame重复元素的索引列表？

问题场景 #

需要提取Pandas DataFrame指定列中重复元素的索引列表，目前用的实现方式比较繁琐：

import pandas as pd
import numpy as np

test = ['a', 'a', 'b', 'c', 'b']
testdf = pd.DataFrame(test, columns=['test'])
np.asarray(np.where(list(testdf['test'].duplicated()))).tolist()[0]
# 输出结果: [1, 4]

更简洁的实现方法 #

方法1：直接利用布尔索引提取

duplicated()会返回一个布尔类型的Series，直接用它过滤DataFrame的索引，再转成列表即可，全程无需依赖numpy：

testdf[testdf['test'].duplicated()].index.tolist()
# 输出: [1, 4]

方法2：简化numpy写法

如果习惯用numpy，也可以省去多余的类型转换步骤，直接对duplicated()返回的Series调用np.where：

np.where(testdf['test'].duplicated())[0].tolist()
# 输出: [1, 4]

额外补充：获取所有重复元素的索引（含首次出现项）

如果你的需求是拿到所有重复元素的索引（比如'a'的0和1、'b'的2和4），可以给duplicated()传入keep=False参数：

testdf[testdf['test'].duplicated(keep=False)].index.tolist()
# 输出: [0, 1, 2, 4]

内容的提问来源于stack exchange，提问作者gaut