Pandas提供了duplicated、Index.duplicated、drop_duplicates函数来标记及删除重复记录
duplicated函数用于标记Series中的值、DataFrame中的记录行是否是重复，重复为True，不重复为False
pandas.DataFrame.duplicated(self, subset=None, keep='first')
pandas.Series.duplicated(self, keep='first')
其中参数解释如下：
subset：用于识别重复的列标签或列标签序列，默认所有列标签
keep=‘frist'：除了第一次出现外，其余相同的被标记为重复
keep='last'：除了最后一次出现外，其余相同的被标记为重复
keep=False：所有相同的都被标记为重复
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
|
import numpy as npimport pandas as pd #标记DataFrame重复例子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')#根据列名标记#keep='first'df.duplicated()#默认所有列，无重复记录df.duplicated('col1')#第二、四、五行被标记为重复df.duplicated(['col1','col2'])#第五行被标记为重复#keep='last'df.duplicated('col1','last')#第一、三、四行被标记重复df.duplicated(['col1','col2'],keep='last')#第三行被标记为重复#keep=Falsedf.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列上出现相同的，都被标记为重复type(df.duplicated(['col1','col2'],keep=False))#pandas.core.series.Series#根据索引标记df.index.duplicated()#默认keep='first',第二、五、七行被标记为重复df.index.duplicated(keep='last')#第一、二、三、四被标记为重复df[df.index.duplicated()]#获取重复记录行df[~df.index.duplicated('last')]#获取不重复记录行#标记Series重复例子#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)#根据索引标记s.index.duplicated()s.index.duplicated('last')s.index.duplicated(False) |
drop_duplicates函数用于删除Series、DataFrame中重复记录，并返回删除重复后的结果
pandas.DataFrame.drop_duplicates(self, subset=None, keep='first', inplace=False)
pandas.Series.drop_duplicates(self, keep='first', inplace=False)
|
1
2
3
4
5
6
7
8
9
10
11
|
#删除DataFrame重复记录例子 #drop_duplicates(self, subset=None, keep='first', inplace=False) df.drop_duplicates() df.drop_duplicates('col1')#删除了df.duplicated('col1')标记的重复记录 df.drop_duplicates('col1','last')#删除了df.duplicated('col1','last')标记的重复记录 df1.drop_duplicates(['col1','col2'])#删除了df.duplicated(['col1','col2'])标记的重复记录 df.drop_duplicates('col1',keep='last',inplace=True)#inplace=True表示在原DataFrame上执行删除操作 df.drop_duplicates('col1',keep='last',inplace=False)#inplace=False返回一个副本 #删除Series重复记录例子 #drop_duplicates(self, keep='first', inplace=False) s.drop_duplicates() |
以上这篇Pandas标记删除重复记录的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/kancy110/article/details/70142728
