pandas: DataFrame 删除重复的行

 

1. 建立一个DataFrame

 C=pd.DataFrame({'a':['dog']*3+['fish']*3+['dog'],'b':[10,10,12,12,14,14,10]})

 

2. 判断是否有重复项

用duplicated（ ）函数判断  

 C.duplicated()

 

3.  有重复项，则可以用drop_duplicates()移除重复项

 C.drop_duplicates()

 

4. Duplicated（ ）和drop_duplicates（ ）方法是以默认的方式判断全部的列（上面的例子中是看两个变量a和b是否都是重复出现）。

我们也可以对特定的列进行重复项判断。

 C.duplicated(['a'])      C.drop_duplicates(['a'])

 C.duplicated(['b'])      C.drop_duplicates(['b'])

 

 

5.  norepeat_df = df.drop_duplicates(subset=['A_ID', 'B_ID'], keep='first')

#上面的命令去掉UNIT_ID和KPI_ID列中重复的行，并保留重复出现的行中第一次出现的行

补充： 
当keep=False时，就是去掉所有的重复行 
当keep=‘first’时，就是保留第一次出现的重复行 
当keep=’last’时就是保留最后一次出现的重复行。 
（注意，这里的参数是字符串，要加引号！！！）