DataFrame.duplicated(self,subset = None,keep ='first')
返回表示重复行的布尔Series,可以选择仅考虑某些列。
参数:subse : 列标签或标签序列,可选
仅考虑某些列来标识重复项,默认情况下使用所有列
keep: {'first','last',False},默认为'first'
first:将重复项标记True为第一次出现的除外。
last:将重复项标记True为最后一次除外。
False:将所有重复项标记为True。
返回:Series
例子import numpy as np
import pandas as pd
标记DataFrame重复df = pd.DataFrame({’col1’: [‘one’, ‘one’, ‘two’, ‘two’, ‘two’, ‘three’, ‘four’], ‘col2’: [1, 2, 1, 2, 1, 1, 1],
’col3’:[‘AA’,‘BB’,‘CC’,‘DD’,‘EE’,‘FF’,‘GG’]},index=[‘a’, ‘a’, ‘b’, ‘c’, ‘b’, ‘a’,‘c’])
df.duplicated()#默认所有列,无重复记录
df.duplicated(’col1’)#第二、四、五行被标记为重复
df.duplicated([’col1’,‘col2’])#第五行被标记为重复
#keep=’last’
df.duplicated(’col1’,‘last’)#第一、三、四行被标记重复
df.duplicated([’col1’,‘col2’],keep=‘last’)#第三行被标记为重复
#keep=False
df.duplicated(’col1’,False)#Series([True,True,True,True,True,False,False],index=[‘a’,’a’,’b’,’c’,’b’,’a’,’c’])
df.duplicated([’col1’,‘col2’],keep=False)#在col1和col2列上出现相同的,都被标记为重复
type(df.duplicated([’col1’,‘col2’],keep=False))#pandas.core.series.Series
#根据索引标记
df.index.duplicated()#默认keep=’first’,第二、五、七行被标记为重复
df.index.duplicated(keep=’last’)#第一、二、三、四被标记为重复
df[df.index.duplicated()]#获取重复记录行
df[~df.index.duplicated(’last’)]#获取不重复记录行
标记Series重复例子#duplicated(self, keep=’first’)
s = pd.Series([’one’, ‘one’, ‘two’, ‘two’, ‘two’, ‘three’, ‘four’] ,index= [‘a’, ‘a’, ‘b’, ‘c’, ‘b’, ‘a’,‘c’],name=‘sname’)
s.duplicated()
s.duplicated(’last’)
s.duplicated(False)
#根据索引标记
s.index.duplicated()
s.index.duplicated(’last’)
s.index.duplicated(False)