1. 建立一个dataframe
|
1
|
c=pd.dataframe({'a':['dog']*3+['fish']*3+['dog'],'b':[10,10,12,12,14,14,10]}) |
2. 判断是否有重复项
用duplicated（ ）函数判断
|
1
|
c.duplicated() |
3. 有重复项，则可以用drop_duplicates()移除重复项
|
1
|
c.drop_duplicates() |
4. duplicated（ ）和drop_duplicates（ ）方法是以默认的方式判断全部的列（上面的例子中是看两个变量a和b是否都是重复出现）。
我们也可以对特定的列进行重复项判断。
|
1
2
3
|
c.duplicated(['a']) c.drop_duplicates(['a'])c.duplicated(['b']) c.drop_duplicates(['b']) |
5. norepeat_df = df.drop_duplicates(subset=['a_id', 'b_id'], keep='first')
#上面的命令去掉unit_id和kpi_id列中重复的行，并保留重复出现的行中第一次出现的行
补充：
- 当keep=false时，就是去掉所有的重复行
- 当keep=‘first'时，就是保留第一次出现的重复行
- 当keep='last'时就是保留最后一次出现的重复行。
（注意，这里的参数是字符串，要加引号！！！）
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/qq_40981268/article/details/86498762
