Pandas标记删除重复记录的方法
2019/7/15 0:57:19
本文主要是介绍Pandas标记删除重复记录的方法,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
Pandas提供了duplicated、Index.duplicated、drop_duplicates函数来标记及删除重复记录
duplicated函数用于标记Series中的值、DataFrame中的记录行是否是重复,重复为True,不重复为False
pandas.DataFrame.duplicated(self, subset=None, keep='first')
pandas.Series.duplicated(self, keep='first')
其中参数解释如下:
subset:用于识别重复的列标签或列标签序列,默认所有列标签
keep=‘frist':除了第一次出现外,其余相同的被标记为重复
keep='last':除了最后一次出现外,其余相同的被标记为重复
keep=False:所有相同的都被标记为重复
import numpy as np import pandas as pd #标记DataFrame重复例子 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']) #duplicated(self, subset=None, keep='first') #根据列名标记 #keep='first' 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)
drop_duplicates函数用于删除Series、DataFrame中重复记录,并返回删除重复后的结果
pandas.DataFrame.drop_duplicates(self, subset=None, keep='first', inplace=False)
pandas.Series.drop_duplicates(self, keep='first', inplace=False)
#删除DataFrame重复记录例子 #drop_duplicates(self, subset=None, keep='first', inplace=False) df.drop_duplicates() df.drop_duplicates('col1')#删除了df.duplicated('col1')标记的重复记录 df.drop_duplicates('col1','last')#删除了df.duplicated('col1','last')标记的重复记录 df1.drop_duplicates(['col1','col2'])#删除了df.duplicated(['col1','col2'])标记的重复记录 df.drop_duplicates('col1',keep='last',inplace=True)#inplace=True表示在原DataFrame上执行删除操作 df.drop_duplicates('col1',keep='last',inplace=False)#inplace=False返回一个副本 #删除Series重复记录例子 #drop_duplicates(self, keep='first', inplace=False) s.drop_duplicates()
以上这篇Pandas标记删除重复记录的方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持找一找教程网。
这篇关于Pandas标记删除重复记录的方法的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-11-24Python编程基础详解
- 2024-11-21Python编程基础教程
- 2024-11-20Python编程基础与实践
- 2024-11-20Python编程基础与高级应用
- 2024-11-19Python 基础编程教程
- 2024-11-19Python基础入门教程
- 2024-11-17在FastAPI项目中添加一个生产级别的数据库——本地环境搭建指南
- 2024-11-16`PyMuPDF4LLM`:提取PDF数据的神器
- 2024-11-16四种数据科学Web界面框架快速对比:Rio、Reflex、Streamlit和Plotly Dash
- 2024-11-14获取参数学习:Python编程入门教程