Python Pandas Dataframe.duplicated()用法及代碼示例

Python是進行數據分析的一種出色語言，主要是因為以數據為中心的python軟件包具有奇妙的生態係統。 Pandas是其中的一種，使導入和分析數據更加容易。

數據分析的重要部分是分析重複值並將其刪除。 Pandas duplicated()方法僅有助於分析重複值。它返回一個布爾序列，僅對唯一元素而言為True。

用法:

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

參數:

subset:取得一列或列標簽列表。默認值為無。傳遞列後，它將僅將它們視為重複項。
keep:控製如何考慮重複值。它隻有三個不同的值，默認值為“第一”。
->如果為“第一個”，則它將第一個值視為唯一值，並將其餘相同的值視為重複值。
->如果為“ last”，則它將last值視為唯一值，並將其餘相同的值視為重複值。
->如果為False，則將所有相同的值視為重複項。

要下載使用的CSV文件，請單擊此處。例1：返回布爾序列

在下麵的示例中，根據“名字”列中的重複值返回布爾係列。

# 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]

輸出：
如輸出圖像中所示，由於keep參數的默認值為“ first”，因此，無論何時出現名稱，第一個都將被視為“唯一”，並且會被視為“重複”。

範例2：刪除重複項
在此示例中，keep參數設置為False，以便僅采用唯一值，並從數據中刪除重複值。

# 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

輸出：
由於duplicated()方法對於重複項返回False，因此采用該係列的NOT來查看數據幀中的唯一值。

相關用法

注：本文由純淨天空篩選整理自Kartikaybhutani大神的英文原創作品 Python | Pandas Dataframe.duplicated()。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。