聊聊python中令人迷惑的duplicated和drop_duplicates()用法

更新時間：2021年05月21日 11:07:32 作者：石小秀1995

這篇文章主要介紹了聊聊python中令人迷惑的duplicated和drop_duplicates()用法，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教

前言

在算face_track_id map有感：

開始驗證

data={'state':[1,1,2,2,1,2,2,2],'pop':['a','b','c','d','b','c','d','d']}
frame=pd.DataFrame(data)  
frame

在這里插入圖片描述

frame.shape
$ (8,2)

# 說明duplicated()是對整行進行查重，return 重復了的數(shù)據(jù)，且只現(xiàn)實n-1條重復的數(shù)據(jù)（n是重復的次數(shù)）
frame[frame.duplicated() == True]

一開始還很疑惑，明明（1，b）只出現(xiàn)了1次，哪里duplicate了。其實，人家return的結(jié)果是去掉已經(jīng)出現(xiàn)過一次的行數(shù)據(jù)了。所以看起來有點confuse，感覺（1，b）并沒有重復，但其實人家的函數(shù)很簡潔呢，返回了重復值而且不冗余。

在這里插入圖片描述

# 說明drop_duplicates()函數(shù)是將所有重復的數(shù)據(jù)都去掉了，且默認保留重復數(shù)據(jù)的第一條。
# 比如（2，d）出現(xiàn)了3次，在duplicated（）中顯示了2次，在drop_dupicates（）后保留了一個
frame.drop_duplicates().shape
$ (4,2)

# 留下了完全唯一的數(shù)據(jù)行
frame.drop_duplicates()

在這里插入圖片描述

補充：python的pandas重復值處理（duplicated()和drop_duplicates())

一、生成重復記錄數(shù)據(jù)

import numpy as np
import pandas as pd
 
#生成重復數(shù)據(jù)
df=pd.DataFrame(np.ones([5,2]),columns=['col1','col2'])
df['col3']=['a','b','a','c','d']
df['col4']=[3,2,3,2,2]
df=df.reindex(columns=['col3','col4','col1','col2'])  #將新增的一列排在第一列
df

輸出：

二、判斷重復記錄（行）

#判斷重復數(shù)據(jù)
isDplicated=df.duplicated()   #判斷重復數(shù)據(jù)記錄
isDplicated

輸出：

三、刪除重復值

#刪除重復值
new_df1=df.drop_duplicates() #刪除數(shù)據(jù)記錄中所有列值相同的記錄
new_df2=df.drop_duplicates(['col3']) #刪除數(shù)據(jù)記錄中col3列值相同的記錄
new_df3=df.drop_duplicates(['col4']) #刪除數(shù)據(jù)記錄中col4列值相同的記錄
new_df4=df.drop_duplicates(['col3','col4']) #刪除數(shù)據(jù)記錄中(col3和col4)列值相同的記錄
new_df1
new_df2
new_df3
new_df4

輸出：