如何用pandas高效地实现数据去重操作？

本文共计629个文字，预计阅读时间需要3分钟。

目录

1.pandas中重复索引问题

2.pandas删除重复数据行

3.drop_duplicates()函数的语法

- pandas数据处理：提取重复数据 - 总结

1. pandas中重复索引问题 - 问题：在pandas中，如何处理数据框（DataFrame）中的重复索引？

2. pandas删除重复数据行 - 方法：使用drop_duplicates()函数删除重复行。

3. drop_duplicates()函数的语法 - pandas数据处理：提取重复数据 - 示例代码：df=df[~df.index.duplicated(keep='first')]

总结- pandas中处理重复索引和删除重复数据行的方法。

目录

• 1、pandas中重复索引问题
• 2、pandas删除重复数据行
• 3、drop_duplicates()函数的语法
• 附：pandas数据处理——取出重复数据
• 方法：
• 总结

1、pandas中重复索引问题

df = df[~df.index.duplicated()]

2、pandas删除重复数据行

# 首先导入常用的两个包 import pandas as pd import numpy as np # 1.删除完全重复的行 df.drop_duplicates() 2.按k列进行去重，对于重复项，保留第一次出现的值 df.drop_duplicates('k',keep='first') 3、k2和k1两列进行去重 df.drop_duplicates(['k2','k1'], keep='first') """ keep：{‘first', ‘last', False}, 默认值 ‘first' first：保留第一次出现的重复行，删除后面的重复行。 last：删除前面的重复项，保留最后一次出现的重复行。 False：删除所有重复项 """

3、drop_duplicates()函数的语法

df.drop_duplicates(subset=['A','B','C'],keep='first',inplace=True)

参数说明如下：

• subset：表示要进去重的列名，默认为 None。
• keep：有三个可选参数，分别是 first、last、False，默认为 first，表示只保留第一次出现的重复项，删除其余重复项，last 表示只保留最后一次出现的重复项，False 则表示删除所有重复项。
• inplace：布尔值参数，默认为 False 表示删除重复项后返回一个副本，若为 Ture 则表示直接在原数据上删除重复项。

附：pandas数据处理——取出重复数据

平常我们用pandas做重复数据处理时，常常调用到drop_duplicates方法来去除重。

现在我不想完全去除重复，而是把重复数据输出，现有数据如下所示：

方法：

重复数据保留一个，duplicate_bool输出的是bool类型值，通过判断bool==True，取出重复行。

duplicate_bool = df.duplicated(subset=['id'], keep='first') repeat=df.loc[duplicate_bool == True] repeat复制

输出：

总结

到此这篇关于pandas删除重复数据的文章就介绍到这了,更多相关pandas删除重复数据内容请搜索自由互联以前的文章或继续浏览下面的相关文章希望大家以后多多支持自由互联！