Python pandas删除DataFrame中的重复行以及查看删除行数据总结

本文链接：https://blog.csdn.net/weixin_66432445/article/details/124263853

在处理csv文件时，我们经常会遇到重复行的出现，根据需求，可以将删除重复行分为两种情况。

第一种情况，删除上一个重复行，保留下一个重复行

使用DataFrame来查看我们刚刚输入的表格，使用duplicated()函数来查看重复数据，如果数据重复就返回True，否则返回False，为bool类型的数据；也可以调用duplicated('你要指定的列')指定列来查看重复数据，不指定则默认为第一列，如上图的ID列；

使用函数drop_duplicates('num',inplace = True)来删除指定的数据，可以指定返回的True数据也可以指定返回的False数据, num为指定删除的列；默认删除第一列重复的后面一个数据；

第二种情况保留上一个重复行，删除下一个重复行

其实这种情况很简单就能做到，我们只需在drop_duplicates('num',inplace = True)中增加一个指定值，如drop_duplicates('num',keep = 'last', inplace = True)就可以实现保留上一个重复行，删除下一个重复行的情况;

另外，你也可以用过以下代码查看重复行数和你删除的行数据

dep_data = data.duplicated('ID').sum()
print(f'有{dep_data}个重复行')
print('---------------------------------------')
dep_line = data[data.duplicated('ID',keep = 'last')]  # 查看删除重复的行
print(f'删除的重复行为\n{dep_line}')

综上，所有代码可以总结为：

import pandas as pd
data = {'ID':[1,2,3,3],'letter': ['a','b','c','d']}
data = pd.DataFrame(data)
print(data)
print('---------------------------------------')
data.duplicated('ID')
dep_data = data.duplicated('ID').sum()
print(f'有{dep_data}个重复行')
print('---------------------------------------')
dep_line = data[data.duplicated('ID',keep = 'last')]  # 查看删除重复的行
print(f'删除的重复行为\n{dep_line}')
print('---------------------------------------')
data.drop_duplicates('ID',keep = 'last',inplace = True)
print(data)

输出结果为：