Pandas标记删除重复记录的方法
作者:每天进步一点点2017 时间:2022-04-26 13:53:31
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
import numpy as np
import 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=False
df.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)
#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()
来源:https://blog.csdn.net/kancy110/article/details/70142728
标签:标记,删除,重复,记录,Pandas
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
SQL Server 2005实现数据库缓存依赖
2009-05-07 13:20:00
Python多线程编程(二):启动线程的两种方法
2023-11-27 16:15:48
python非单一.py文件用Pyinstaller打包发布成exe
2021-12-19 00:40:05
![](https://img.aspxhome.com/file/2023/6/85116_0s.jpg)
Python安全获取域管理员权限几种方式操作示例
2022-10-04 01:14:15
![](https://img.aspxhome.com/file/2023/6/89236_0s.png)
Scrapy-Redis结合POST请求获取数据的方法示例
2023-08-25 06:31:56
微信小程序 支付功能实现PHP实例详解
2023-11-19 08:53:36
python xlsxwriter库生成图表的应用示例
2022-03-02 20:01:33
![](https://img.aspxhome.com/file/2023/4/87504_0s.jpg)
用python的seaborn画数值箱型图
2021-04-26 20:43:04
![](https://img.aspxhome.com/file/2023/3/66333_0s.jpg)
Python中文字符串截取问题
2021-08-15 23:55:20
ThinkPHP采用GET方式获取中文参数查询无结果的解决方法
2023-11-23 10:16:36
css去掉checkbox边框的方法
2011-06-06 10:32:00
php中去除所有js,html,css代码
2023-07-08 07:59:52
MySQL的之表结构修改
2012-01-05 19:16:17
cookies应对python反爬虫知识点详解
2023-12-16 06:15:18
![](https://img.aspxhome.com/file/2023/3/85093_0s.png)
Oracle相关组件版本信息的介绍
2023-07-14 09:19:53
![](https://img.aspxhome.com/file/2023/4/64454_0s.png)
python3.6中anaconda安装sklearn踩坑实录
2023-03-16 19:17:15
![](https://img.aspxhome.com/file/2023/7/80407_0s.png)
python GUI库图形界面开发之PyQt5切换按钮控件QPushButton详细使用方法与实例
2021-06-13 09:13:14
![](https://img.aspxhome.com/file/2023/0/76840_0s.png)
asp经典入门教程 在ASP中使用SQL 语句
2013-06-01 20:23:21
ASP连接MySQL数据库代码示例2
2010-03-08 14:26:00
50个常用sql语句 网上流行的学生选课表的例子
2012-07-11 16:02:01