pandas-22 數據去重處理

數據去重可以使用duplicated()和drop_duplicates()兩個方法。
DataFrame.duplicated（subset = None，keep =‘first’ ）返回boolean Series表示重復行
參數：
subset：列標簽或標簽序列，可選
僅考慮用於標識重復項的某些列，默認情況下使用所有列
keep：{‘first’，‘last’，False}，默認’first’

• first：標記重復，True除了第一次出現。
• last：標記重復，True除了最后一次出現。
• 錯誤：將所有重復項標記為True。

import numpy as np
import pandas as pd
from pandas import Series, DataFrame

df = pd.read_csv('./demo_duplicate.csv')
print(df)
print(df['Seqno'].unique()) # [0. 1.]

# 使用duplicated 查看 重復值
# 參數 keep 可以標記重復值 {'first'，'last'，False}
print(df['Seqno'].duplicated())
'''
0    False
1     True
2     True
3     True
4    False
Name: Seqno, dtype: bool
'''

# 刪除 series 重復數據
print(df['Seqno'].drop_duplicates())
'''
0    0.0
4    1.0
Name: Seqno, dtype: float64
'''

# 刪除 dataframe 重復數據
print(df.drop_duplicates(['Seqno'])) # 按照 Seqno 來 去重
'''
    Price  Seqno Symbol        time
0  1623.0    0.0   APPL  1473411962
4  1649.0    1.0   APPL  1473411963
'''
# drop_dujplicates() 第二個參數 keep 包含的值 有： first、last、False
print(df.drop_duplicates(['Seqno'], keep='last')) # 保存最后一個
'''
    Price  Seqno Symbol        time
3  1623.0    0.0   APPL  1473411963
4  1649.0    1.0   APPL  1473411963
'''