删除重复行的DataFrame

 

DataFrame.drop_duplicates（子集= None，keep = 'first'，inplace = False，ignore_index = False）[资源]

返回删除重复行的DataFrame。

考虑某些列是可选的。包括时间索引在内的索引将被忽略。

参量

子集列标签或标签序列，可选

仅考虑某些列来标识重复项，默认情况下使用所有列。

保留{'first'，'last'，False}，默认为'first'

确定要保留的重复项（如果有）。- first：除去第一次出现的重复项。- last：除去最后一次出现的重复项。-错误：删除所有重复项。

就地布尔值，默认为False

是将副本放置在适当位置还是返回副本。

ignore_index bool，默认为False

如果为True，则结果轴将标记为0、1，…，n-1。

1.0.0版的新功能。

退货

数据框

删除重复项的DataFrame，如果为则为None inplace=True。

也可以看看

DataFrame.value_counts

计算列的唯一组合。

例子

考虑包含拉面等级的数据集。

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

默认情况下，它将基于所有列删除重复的行。

>>> 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

要删除特定列上的重复项，请使用subset。

>>> df.drop_duplicates(subset=['brand'])
    brand style  rating
0  Yum Yum   cup     4.0
2  Indomie   cup     3.5

要删除重复项并保持最后一次出现，请使用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