Python Pandas Dataframe.duplicated()用法及代码示例

Python是进行数据分析的一种出色语言，主要是因为以数据为中心的python软件包具有奇妙的生态系统。 Pandas是其中的一种，使导入和分析数据更加容易。

数据分析的重要部分是分析重复值并将其删除。 Pandas duplicated()方法仅有助于分析重复值。它返回一个布尔序列，仅对唯一元素而言为True。

用法:

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

参数:

subset:取得一列或列标签列表。默认值为无。传递列后，它将仅将它们视为重复项。
keep:控制如何考虑重复值。它只有三个不同的值，默认值为“第一”。
->如果为“第一个”，则它将第一个值视为唯一值，并将其余相同的值视为重复值。
->如果为“ last”，则它将last值视为唯一值，并将其余相同的值视为重复值。
->如果为False，则将所有相同的值视为重复项。

要下载使用的CSV文件，请单击此处。例1：返回布尔序列

在下面的示例中，根据“名字”列中的重复值返回布尔系列。

# importing pandas package 
import pandas as pd 
  
# making data frame from csv file 
data = pd.read_csv("employees.csv") 
  
# sorting by first name 
data.sort_values("First Name", inplace = True) 
  
# making a bool series 
bool_series = data["First Name"].duplicated() 
  
# displaying data 
data.head() 
  
# display data 
data[bool_series]

输出：
如输出图像中所示，由于keep参数的默认值为“ first”，因此，无论何时出现名称，第一个都将被视为“唯一”，并且会被视为“重复”。

范例2：删除重复项
在此示例中，keep参数设置为False，以便仅采用唯一值，并从数据中删除重复值。

# importing pandas package 
import pandas as pd 
  
# making data frame from csv file 
data = pd.read_csv("employees.csv") 
  
# sorting by first name 
data.sort_values("First Name", inplace = True) 
  
# making a bool series 
bool_series = data["First Name"].duplicated(keep = False) 
  
# bool series 
bool_series 
  
# passing NOT of bool series to see unique values only 
data = data[~bool_series] 
  
# displaying data 
data.info() 
data

输出：
由于duplicated()方法对于重复项返回False，因此采用该系列的NOT来查看数据帧中的唯一值。

相关用法

注：本文由纯净天空筛选整理自Kartikaybhutani大神的英文原创作品 Python | Pandas Dataframe.duplicated()。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。