前言

本文，我們講述Pandas如何去除重復項的操作，我們選擇一個評價數(shù)據(jù)集來演示如何刪除特定列上的重復項，如何刪除重復項并保留最后一次出現(xiàn)，以及drop_duplicates的默認用法

方法

DataFrame.drop_duplicates(subset=None, keep='first', inplace=False)

返回值

這個drop_duplicate方法是對DataFrame格式的數(shù)據(jù)，去除特定列下面的重復行。

返回刪除重復行的 DataFrame。

考慮某些列是可選的。

索引（包括時間索引）將被忽略。

參數(shù)

返回DataFrame格式的數(shù)據(jù)。

• subset : column label or sequence of labels, optional
• 用來指定特定的列，默認所有列
• keep : {‘first’, ‘last’, False}, default ‘first’
• 刪除重復項并保留第一次出現(xiàn)的項
• inplace : boolean, default False
• 是直接在原來數(shù)據(jù)上修改還是保留一個副本

實驗

構建包含拉面評級的數(shù)據(jù)集

df = pd.DataFrame({
    'brand': ['Yum Yum', 'Yum Yum', 'Indomie', 'Indomie', 'Indomie'],
    'style': ['cup', 'cup', 'cup', 'pack', 'pack'],
    'rating': [4, 4, 3.5, 15, 5]
})

數(shù)據(jù)集數(shù)據(jù)格式

df
brand style rating
0 Yum Yum cup 4.0
1 Yum Yum cup 4.0
2 Indomie cup 3.5
3 Indomie pack 15.0
4 Indomie pack 5.0

默認情況下，它會根據(jù)所有列刪除重復的行

df.drop_duplicates()

brand style rating
0 Yum Yum cup 4.0
2 Indomie cup 3.5
3 Indomie pack 15.0
4 Indomie pack 5.0

要刪除特定列上的重復項，請使用subset

df.drop_duplicates(subset=['brand'])

brand style rating
0 Yum Yum cup 4.0
2 Indomie cup 3.5

要刪除重復項并保留最后一次出現(xiàn)，請使用 keep

df.drop_duplicates(subset=['brand', 'style'], keep='last')

brand style rating
1 Yum Yum cup 4.0
2 Indomie cup 3.5
4 Indomie pack 5.0

總結

以上為個人經驗，希望能給大家一個參考，也希望大家多多支持腳本之家。

最新評論