Pandas去除重复项函数详解drop_duplicates()
作者：ckSpark
这篇文章主要介绍了Pandas去除重复项函数drop_duplicates(),具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
drop_duplicates函数用途
pandas中的drop_duplicates()函数
可以通过SQL中关键字distinct的用法来理解
根据指定的字段对数据集进行去重处理
drop_duplicates()函数的具体参数
用法：
DataFrame.drop_duplicates(subset=None, keep=‘first', inplace=False)
参数说明：
| 参数 | 说明 |
|---|---|
| subset | 根据指定的列名进行去重，默认整个数据集 |
| keep | 可选{‘first’, ‘last’, False}，默认first，即默认保留第一次出现的重复值，并删去其他重复的数据，False是指删去所有重复数据。 |
| inplace | 是否对数据集本身进行修改，默认False |
drop_duplicates用法举例
根据指定字段进行去重
保留第一次出现的数据
import pandas as pd
#创建数据框
df=pd.DataFrame({
'a':[1,2,4,3,3,3,4],
'b':[2,3,3,4,4,5,3]
})
print('去重前：\n',df)
#根据字段a进行去重，保留第一次出现的数据
df.drop_duplicates(['a'],keep='first',inplace=True)
print('去重后：\n',df)
>>>
去重前：
a b
0 1 2
1 2 3
2 4 3
3 3 4
4 3 4
5 3 5
6 4 3
去重后：
a b
0 1 2
1 2 3
2 4 3
3 3 4
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。