Pandas标记删除重复记录的方法


Posted in Python onApril 08, 2018

Pandas提供了duplicated、Index.duplicated、drop_duplicates函数来标记及删除重复记录

duplicated函数用于标记Series中的值、DataFrame中的记录行是否是重复,重复为True,不重复为False

pandas.DataFrame.duplicated(self, subset=None, keep='first')

pandas.Series.duplicated(self, keep='first')

其中参数解释如下:

subset:用于识别重复的列标签或列标签序列,默认所有列标签

keep=‘frist':除了第一次出现外,其余相同的被标记为重复

keep='last':除了最后一次出现外,其余相同的被标记为重复

keep=False:所有相同的都被标记为重复

import numpy as np
import pandas as pd 
#标记DataFrame重复例子
df = pd.DataFrame({'col1': ['one', 'one', 'two', 'two', 'two', 'three', 'four'], 'col2': [1, 2, 1, 2, 1, 1, 1],
   'col3':['AA','BB','CC','DD','EE','FF','GG']},index=['a', 'a', 'b', 'c', 'b', 'a','c'])
#duplicated(self, subset=None, keep='first')
#根据列名标记
#keep='first'
df.duplicated()#默认所有列,无重复记录
df.duplicated('col1')#第二、四、五行被标记为重复
df.duplicated(['col1','col2'])#第五行被标记为重复
#keep='last'
df.duplicated('col1','last')#第一、三、四行被标记重复
df.duplicated(['col1','col2'],keep='last')#第三行被标记为重复
#keep=False
df.duplicated('col1',False)#Series([True,True,True,True,True,False,False],index=['a','a','b','c','b','a','c'])
df.duplicated(['col1','col2'],keep=False)#在col1和col2列上出现相同的,都被标记为重复
type(df.duplicated(['col1','col2'],keep=False))#pandas.core.series.Series
#根据索引标记
df.index.duplicated()#默认keep='first',第二、五、七行被标记为重复
df.index.duplicated(keep='last')#第一、二、三、四被标记为重复
df[df.index.duplicated()]#获取重复记录行
df[~df.index.duplicated('last')]#获取不重复记录行
#标记Series重复例子
#duplicated(self, keep='first')
s = pd.Series(['one', 'one', 'two', 'two', 'two', 'three', 'four'] ,index= ['a', 'a', 'b', 'c', 'b', 'a','c'],name='sname')
s.duplicated()
s.duplicated('last')
s.duplicated(False)
#根据索引标记
s.index.duplicated()
s.index.duplicated('last')
s.index.duplicated(False)

drop_duplicates函数用于删除Series、DataFrame中重复记录,并返回删除重复后的结果

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

pandas.Series.drop_duplicates(self, keep='first', inplace=False)

#删除DataFrame重复记录例子 
#drop_duplicates(self, subset=None, keep='first', inplace=False) 
df.drop_duplicates() 
df.drop_duplicates('col1')#删除了df.duplicated('col1')标记的重复记录 
df.drop_duplicates('col1','last')#删除了df.duplicated('col1','last')标记的重复记录 
df1.drop_duplicates(['col1','col2'])#删除了df.duplicated(['col1','col2'])标记的重复记录 
df.drop_duplicates('col1',keep='last',inplace=True)#inplace=True表示在原DataFrame上执行删除操作 
df.drop_duplicates('col1',keep='last',inplace=False)#inplace=False返回一个副本 
#删除Series重复记录例子 
#drop_duplicates(self, keep='first', inplace=False) 
s.drop_duplicates()

以上这篇Pandas标记删除重复记录的方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持三水点靠木。

Python 相关文章推荐
Python httplib,smtplib使用方法
Sep 06 Python
python如何使用正则表达式的前向、后向搜索及前向搜索否定模式详解
Nov 08 Python
python3调用百度翻译API实现实时翻译
Aug 16 Python
python入门:这篇文章带你直接学会python
Sep 14 Python
浅谈解除装饰器作用(python3新增)
Oct 15 Python
Django实现文件上传和下载功能
Oct 06 Python
python自动化实现登录获取图片验证码功能
Nov 20 Python
Python基础之列表常见操作经典实例详解
Feb 26 Python
浅谈pycharm导入pandas包遇到的问题及解决
Jun 01 Python
Pycharm Available Package无法显示/安装包的问题Error Loading Package List解决
Sep 18 Python
Python中读取文件名中的数字的实例详解
Dec 25 Python
Python爬虫入门教程02之笔趣阁小说爬取
Jan 24 Python
Python将DataFrame的某一列作为index的方法
Apr 08 #Python
python DataFrame获取行数、列数、索引及第几行第几列的值方法
Apr 08 #Python
浅谈pandas中DataFrame关于显示值省略的解决方法
Apr 08 #Python
python3获取两个日期之间所有日期,以及比较大小的实例
Apr 08 #Python
python pandas中DataFrame类型数据操作函数的方法
Apr 08 #Python
python随机取list中的元素方法
Apr 08 #Python
Python实现的端口扫描功能示例
Apr 08 #Python
You might like
php access 数据连接与读取保存编辑数据的实现代码
2010/05/12 PHP
第六章 php目录与文件操作
2011/12/30 PHP
LotusPhp笔记之:Cookie组件的使用详解
2013/05/06 PHP
PHP与Java进行通信的实现方法
2013/10/21 PHP
ThinkPHP模板替换与系统常量及应用实例教程
2014/08/22 PHP
PHP实现视频文件上传完整实例
2014/08/28 PHP
PHP中的类型约束介绍
2015/05/11 PHP
PHP中如何使用Redis接管文件存储Session详解
2018/11/28 PHP
基于jQuery的简单九宫格实现代码
2012/08/09 Javascript
jQuery封装的获取Url中的Get参数示例
2013/11/26 Javascript
jQuery+css实现百度百科的页面导航效果
2014/12/16 Javascript
浅谈jQuery事件绑定原理
2015/01/02 Javascript
JavaScript中解决多浏览器兼容性23个问题的快速解决方法
2016/05/19 Javascript
jsp 自动编译机制详细介绍
2016/12/01 Javascript
微信小程序中做用户登录与登录态维护的实现详解
2017/05/17 Javascript
js中el表达式的使用和非空判断方法
2018/03/28 Javascript
webpack 插件html-webpack-plugin的具体使用
2018/04/09 Javascript
vue中各选项及钩子函数执行顺序详解
2018/08/25 Javascript
Python命名空间详解
2014/08/18 Python
python正则表达式之对号入座篇
2018/07/24 Python
Python Socket编程之多线程聊天室
2018/07/28 Python
Python3.5以上版本lxml导入etree报错的解决方案
2019/06/26 Python
python3 mmh3安装及使用方法
2019/10/09 Python
django 扩展user用户字段inlines方式
2020/03/30 Python
浅谈keras中的Merge层(实现层的相加、相减、相乘实例)
2020/05/23 Python
国际鲜花速递专家:Floraqueen
2016/11/24 全球购物
规划编制实施方案
2014/03/15 职场文书
农业项目建议书
2014/08/25 职场文书
2014年乡镇工会工作总结
2014/12/02 职场文书
写景作文评语集锦
2014/12/25 职场文书
2015年高一班主任工作总结
2015/05/13 职场文书
2015小学五年级班主任工作总结
2015/05/21 职场文书
公司回复函格式
2015/07/14 职场文书
mysql 直接拷贝data 目录下文件还原数据的实现
2021/07/25 MySQL
排查并解决Oracle sysaux表空间异常增长
2022/04/20 Oracle
Python自动操作神器PyAutoGUI的使用教程
2022/06/16 Python