Python Pandas中DataFrame.drop_duplicates()删除重复值详解
作者:山茶花开时。
在实际处理数据中,数据预处理操作中,常常需要去除掉重复的数据,这篇文章主要给大家介绍了关于Python Pandas中DataFrame.drop_duplicates()删除重复值的相关资料,需要的朋友可以参考下
语法
df.drop_duplicates(subset = None, keep = 'first', inplace = False, ignore_index = False)
参数
1.subset:指定的标签或标签序列,仅删除这些列重复值,默认情况为所有列
2.keep:确定要保留的重复值,有以下可选项:
first:保留第一次出现的重复值,默认
last:保留最后一次出现的重复值
False:删除所有重复值
3.inplace:是否生效
4.ignore_index:如果为True,则重新分配自然索引(0,1,…,n - 1)
# 删除重复值 DataFrame.drop_duplicates() import pandas as pd df = pd.DataFrame([['x','x',1],['x','x',1],['z','x',2]], columns = ['A','B','C']) # 删除重复行 res1 = df.drop_duplicates() # 删除指定列 res2 = df.drop_duplicates(subset = ['A']) # 保留最后一个 res3 = df.drop_duplicates(subset = ['A'], keep = 'last')
结果展示
df
res1
res2
res3
扩展:识别重复值
import pandas as pd df = pd.DataFrame({ 'studentID':['A001','A002','A003','A004','A005','A006','A006'], 'score':[100,93,94,96,93,95,95]}) # 识别重复值 duplicate_value = df[df.duplicated()]
df
由上图可知studentID为'A006'的记录有两条,我们可以使用duplicated()方法识别重复值,它返回的是布尔值结果(True:有重复值,False:无重复值)
duplicate_value
总结
到此这篇关于Python Pandas中DataFrame.drop_duplicates()删除重复值的文章就介绍到这了,更多相关Pandas DataFrame.drop_duplicates()删除重复值内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!