函數 : DataFrame.drop_duplicates(subset=None, keep='first', inplace=False)
參數:這個drop_duplicate方法是對DataFrame格式的數據,去除特定列下面的重復行。返回DataFrame格式的數據。
subset : column label or sequence of labels, optional 用來指定特定的列,默認所有列 keep : {‘first’, ‘last’, False}, default ‘first’ 刪除重復項並保留第一次出現的項 inplace : boolean, default False 是直接在原來數據上修改還是保留一個副本
補充:
Pandas提供了duplicated、Index.duplicated、drop_duplicates函數來標記及刪除重復記錄
duplicated函數用於標記Series中的值、DataFrame中的記錄行是否是重復,重復為True,不重復為False
pandas.DataFrame.duplicated(self, subset=None, keep='first')
pandas.Series.duplicated(self, keep='first')
其中參數解釋如下:
subset:用於識別重復的列標簽或列標簽序列,默認所有列標簽
keep=‘frist’:除了第一次出現外,其余相同的被標記為重復
keep='last':除了最后一次出現外,其余相同的被標記為重復
keep=False:所有相同的都被標記為重復
import numpy as np import pandas as pd #標記DataFrame重復例子 df = pd.DataFrame({'col1': ['one', 'one', 'two', 'two', 'two', 'three', 'four'], 'col2': [1, 2, 1, 2, 1, 1, 1], 'col3':['AA','BB','CC','DD','EE','FF','GG']},index=['a', 'a', 'b', 'c', 'b', 'a','c']) #duplicated(self, subset=None, keep='first') #根據列名標記 #keep='first' df.duplicated()#默認所有列,無重復記錄 df.duplicated('col1')#第二、四、五行被標記為重復 df.duplicated(['col1','col2'])#第五行被標記為重復 #keep='last' df.duplicated('col1','last')#第一、三、四行被標記重復 df.duplicated(['col1','col2'],keep='last')#第三行被標記為重復 #keep=False df.duplicated('col1',False)#Series([True,True,True,True,True,False,False],index=['a','a','b','c','b','a','c']) df.duplicated(['col1','col2'],keep=False)#在col1和col2列上出現相同的,都被標記為重復 type(df.duplicated(['col1','col2'],keep=False))#pandas.core.series.Series #根據索引標記 df.index.duplicated()#默認keep='first',第二、五、七行被標記為重復 df.index.duplicated(keep='last')#第一、二、三、四被標記為重復 df[df.index.duplicated()]#獲取重復記錄行 df[~df.index.duplicated('last')]#獲取不重復記錄行 #標記Series重復例子 #duplicated(self, keep='first') s = pd.Series(['one', 'one', 'two', 'two', 'two', 'three', 'four'] ,index= ['a', 'a', 'b', 'c', 'b', 'a','c'],name='sname') s.duplicated() s.duplicated('last') s.duplicated(False) #根據索引標記 s.index.duplicated() s.index.duplicated('last') s.index.duplicated(False)
----------------------------
drop_duplicates函數用於刪除Series、DataFrame中重復記錄,並返回刪除重復后的結果
pandas.DataFrame.drop_duplicates(self, subset=None, keep='first', inplace=False)
pandas.Series.drop_duplicates(self, keep='first', inplace=False)
#刪除DataFrame重復記錄例子 #drop_duplicates(self, subset=None, keep='first', inplace=False) df.drop_duplicates() df.drop_duplicates('col1')#刪除了df.duplicated('col1')標記的重復記錄 df.drop_duplicates('col1','last')#刪除了df.duplicated('col1','last')標記的重復記錄 df1.drop_duplicates(['col1','col2'])#刪除了df.duplicated(['col1','col2'])標記的重復記錄 df.drop_duplicates('col1',keep='last',inplace=True)#inplace=True表示在原DataFrame上執行刪除操作 df.drop_duplicates('col1',keep='last',inplace=False)#inplace=False返回一個副本 #刪除Series重復記錄例子 #drop_duplicates(self, keep='first', inplace=False) s.drop_duplicates()
參考:
https://blog.csdn.net/u010665216/article/details/78559091
https://blog.csdn.net/kancy110/article/details/70142728