1. 建立一個dataframe
|
1
|
c=pd.dataframe({'a':['dog']*3+['fish']*3+['dog'],'b':[10,10,12,12,14,14,10]}) |
2. 判斷是否有重復項
用duplicated（ ）函數判斷
|
1
|
c.duplicated() |
3. 有重復項，則可以用drop_duplicates()移除重復項
|
1
|
c.drop_duplicates() |
4. duplicated（ ）和drop_duplicates（ ）方法是以默認的方式判斷全部的列（上面的例子中是看兩個變量a和b是否都是重復出現）。
我們也可以對特定的列進行重復項判斷。
|
1
2
3
|
c.duplicated(['a']) c.drop_duplicates(['a'])c.duplicated(['b']) c.drop_duplicates(['b']) |
5. norepeat_df = df.drop_duplicates(subset=['a_id', 'b_id'], keep='first')
#上面的命令去掉unit_id和kpi_id列中重復的行，并保留重復出現的行中第一次出現的行
補充：
- 當keep=false時，就是去掉所有的重復行
- 當keep=‘first'時，就是保留第一次出現的重復行
- 當keep='last'時就是保留最后一次出現的重復行。
（注意，這里的參數是字符串，要加引號?。。。?/p>
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持服務器之家。
原文鏈接：https://blog.csdn.net/qq_40981268/article/details/86498762
