pandas drop_duplicates

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