pandas库的使用 导入数据、查看数据、删除重复项drop_duplicates()

一、导入数据和查看数据时常用的

从excel读数：
pd.read_csv() 得到的是dataframe格式

显示数据前五行
head()

显示列名
columns

二、删除dataframe中的重复项drop_duplicates()

drop_duplicates()

data.drop_duplicates(subset= ,keep= ,inplace= )

参数介绍：

subset = None 对全体数据去重
subset = [‘列名’] 对某个指定列里面的内容去重
subset = [‘列名’，‘列名’] 对多个列里面的同时重复内容去重

keep='first’表示保留第一次出现的重复行，是默认值。
keep另外两个取值为"last"和False，分别表示保留最后一次出现的重复行和去除所有重复行。

inplace=True表示直接在原来的DataFrame上删除重复项，
默认值False表示生成一个副本。

举例：
下面是对多个列中出现的重复的内容去重

import pandas as pd
data = {'a':[1,1,1,2,3,4],
        'b':['a','a','a','d','d','e']}
data = pd.DataFrame(data)

data = data.drop_duplicates(subset = ['a','b'],keep = 'first',inplace=False)
原数为：
   a  b
0  1  a
1  1  a
2  1  a
3  2  d
4  3  d
5  4  e
结果为：
   a  b
0  1  a
3  2  d
4  3  d
5  4  e