如何提取pandas DataFrame重复行并关联其对应唯一行的原始索引

实现代码 #

你可以通过两个DataFrame按公共字段匹配合并的方式实现需求，核心代码如下：

# 把uniqueDF的原始索引转为普通列，命名为copyOf
unique_idx_map = uniqueDF.reset_index(names='copyOf')
# 按name、subject、marks三个字段匹配，将对应索引合并到duplicateDF
duplicateDF = duplicateDF.merge(unique_idx_map, on=['name', 'subject', 'marks'], how='left').set_index(duplicateDF.index)

输出验证 #

执行后duplicateDF的结果和你预期完全一致：

name  subject marks  copyOf
4    Robert    Maths    98       3
10  Lucifer  English    98       9

逻辑说明 #

• reset_index(names='copyOf')会把uniqueDF自带的原始索引（也就是你需要的对应行原始编号）转为普通列，避免匹配时丢失索引信息
• 合并时用三个公共字段作为匹配键，保证重复行和唯一行的对应关系完全准确
• 最后用set_index(duplicateDF.index)保留重复行原本的索引值，和你原来的输出格式一致

内容的提问来源于stack exchange，提问作者Inamullah