Python Dataframe ——指定多列去重、求差集

1）去重

指定多列去重，这是在dataframe没有独一无二的字段作为PK（主键）时，需要指定多个字段一起作为该行的PK，在这种情况下对整体数据进行去重。

Attention：主要用到了drop_duplicates方法，并设置参数subset为多个字段名构成的数组。

具体代码如下：

>>>import pandas as pd >>>data={'state':[1,1,2,2,1,2,2],'pop':['a','b','c','d','b','c','d']} >>>frame=pd.DataFrame(data) >>>frame pop state 0 a 1 1 b 1 2 c 2 3 d 2 4 b 1 5 c 2 6 d 2 >>>frame.drop_duplicates(subset=['pop','state']) pop state 0 a 1 1 b 1 2 c 2 3 d 2

2）求差集

假设有两个dataframe为a和b，a和b可以是相互包含的关系，现在想要将a中和b重复的内容去掉，也就是求差集，步骤如下：

（1）需要对两个dataframe进行去重。

（2）利用append方法，a=a.append(b)

（3）再次利用append方法，a=a.append(b)

（4）去重，利用drop_duplicates方法，a=a.drop_duplicates()，以及设置参数keep=False，意思就是只要有重复，重复的记录都去掉。（keep默认='first',也就是保留第一条记录）

具体代码如下： 

>>>data_a={'state':[1,1,2],'pop':['a','b','c']} >>>data_b={'state':[1,2,3],'pop':['b','c','d']} >>>a=pd.DataFrame(data_a) >>>a pop state 0 a 1 1 b 1 2 c 2 >>>b=pd.DataFrame(data_b) >>>b pop state 0 b 1 1 c 2 2 d 3 >>>a = a.append(b) >>>a = a.append(b) >>>result = a.drop_duplicates(subset=['pop','state'],keep=False) >>>result pop state 0 a 1