drop_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
'''
学习中遇到问题没人解答?小编创建了一个Python学习交流QQ群:531509025
寻找有志同道合的小伙伴,互帮互助,群里还有不错的视频学习教程和PDF电子书!
'''
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
'''
学习中遇到问题没人解答?小编创建了一个Python学习交流QQ群:531509025
寻找有志同道合的小伙伴,互帮互助,群里还有不错的视频学习教程和PDF电子书!
'''
# 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])