本文详解如何使用pandas查看dataframe的重复数据，判断是否重复，以及如何去重
|
1
|
DataFrame.duplicated(subset=None, keep='first')
|
subset：如果你认为几个字段重复，则数据重复，就把那几个字段以列表形式放到subset后面。默认是所有字段重复为重复数据。
keep:
- 默认为'first' ,也就是如果有重复数据，则第一条出现的定义为False，后面的重复数据为True。
- 如果为'last'，也就是如果有重复数据，则最后一条出现的定义为False，后面的重复数据为True。
- 如果为False，则所有重复的为True
下面举例
|
1
2
3
4
5
6
|
df = pd.DataFrame({
'brand': ['Yum Yum', 'Yum Yum', 'Indomie', 'Indomie', 'Indomie'],
'style': ['cup', 'cup', 'cup', 'pack', 'pack'],
'rating': [4, 4, 3.5, 15, 5]
})
df
|
|
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
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
|
# 默认为keep="first",第一条重复的为False,后面重复的为True
# 一般不会设置keep，保持keep为默认值。
df.duplicated()
结果
0 False
1 True
2 False
3 False
4 False
dtype: bool
# keep="last",,最后一条重复的为False,后面重复的为True
df.duplicated(keep="last")
结果
0 True
1 False
2 False
3 False
4 False
dtype: bool
# keep=False,,所有重复的为True
df.duplicated(keep=False)
结果
0 True
1 True
2 False
3 False
4 False
dtype: bool
# sub是子，subset是子集
# 标记只要brand重复为重复值。
df.duplicated(subset='brand')
结果
0 False
1 True
2 False
3 True
4 True
dtype: bool
# 只要brand重复brand和style重复的为重复值。
df.duplicated(subset=['brand','style'])
结果
0 False
1 True
2 False
3 False
4 True
dtype: bool
# 显示重复记录，通过布尔索引
df[df.duplicated()]
|
|
1
2
3
4
5
|
# 查询重复值的个数。
df.duplicated().sum()
结果
1
|
到此这篇关于pandas中DataFrame检测重复值的实现的文章就介绍到这了,更多相关pandas DataFrame检测重复值内容请搜索服务器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服务器之家！
原文链接：https://blog.csdn.net/zilongxuan008/article/details/117256659