pd.drop_duplicates删除重复行
Python热爱者 人气:0drop_duplicates 方法实现对数据框 DataFrame 去除特定列的重复行，返回 DataFrame 格式数据。
一、使用语法及参数
使用语法：
DataFrame.drop_duplicates(subset=None, keep='first', inplace=False, ignore_index=False)
参数：
- subset – 指定特定的列 默认所有列
- keep:{‘first’, ‘last’, False} – 删除重复项并保留第一次出现的项 默认第一个
- keep=False – 表示删除所有重复项 不保留
- inplace – 是否直接修改原对象
- gnore_index=True – 重置索引 （version 1.0.0 才有这个参数）
二、实操
1.例子一
import pandas as pd
df = pd.DataFrame({'a':[1,1,2,2],
'b':['a','b','a','b']})
# 单列
df.drop_duplicates('b', 'first', inplace=True)
print(df)
'''
a b
0 1 a
1 1 b
'''
# 多列
df.drop_duplicates(subset=['a', 'b'], keep='first', inplace=False)
# 删除所有重复项 不保留
df.drop_duplicates(subset=['a', 'b'], False)2.例子二
# 构建测试数据框
import pandas as pd
df = pd.DataFrame({
'brand': ['Yum Yum', 'Yum Yum', 'Indomie', 'Indomie', 'Indomie'],
'style': ['cup', 'cup', 'cup', 'pack', 'pack'],
'rating': [4, 4, 3.5, 15, 5]
})
# 默认按所有列去重
df.drop_duplicates()
# 指定列
df.drop_duplicates(subset=['brand'])
# 保留最后一个重复值
df.drop_duplicates(subset=['brand', 'style'], keep='last')3.删除重复项后重置索引
# 方法一 df.drop_duplicates(ignore_index=True) # 方法二 df.drop_duplicates().reset_index(drop=True) # 方法三 df.index = range(df.shape[0])
加载全部内容