Was ist die Python-Deduplizierungsfunktion?

Die Datendeduplizierung kann die Methoden „duplicated()“ und „drop_duplicates()“ verwenden.

DataFrame.duplicated(subset=None, keep='first') gibt eine boolesche Reihe zurück, die doppelte Zeilen darstellt

Parameter:

Teilmenge: Spaltenbezeichnung oder Beschriftungssequenz, optional

Nur ​​bestimmte Spalten werden für die Identifizierung von Duplikaten berücksichtigt, alle Spalten werden standardmäßig verwendet

behalten: {'first', 'last', False}, Standardwert 'first'

first: Duplikate markieren, True, bis auf das erste Vorkommen.

last: Markiert Duplikate, True, bis auf das letzte Vorkommen.

Fehler: Alle Duplikate als „True“ markieren.

Verwandte Empfehlungen: „Python Basics Tutorial“

import numpy as np
import pandas as pd
from pandas import Series, DataFrame
df = pd.read_csv('./demo_duplicate.csv')
print(df)
print(df['Seqno'].unique()) # [0. 1.]
# 使用duplicated 查看重复值
# 参数 keep 可以标记重复值 {'first'，'last'，False}
print(df['Seqno'].duplicated())
'''
0    False
1     True
2     True
3     True
4    False
Name: Seqno, dtype: bool
'''
# 删除 series 重复数据
print(df['Seqno'].drop_duplicates())
'''
0    0.0
4    1.0
Name: Seqno, dtype: float64
'''
# 删除 dataframe 重复数据
print(df.drop_duplicates(['Seqno'])) # 按照 Seqno 来去重
'''
   Price     Seqno   Symbol   time
0  1623.0    0.0   APPL  1473411962
4  1649.0    1.0   APPL  1473411963
'''
# drop_dujplicates() 第二个参数 keep 包含的值 有： first、last、False
print(df.drop_duplicates(['Seqno'], keep='last')) # 保存最后一个
'''
   Price     Seqno   Symbol   time
3  1623.0    0.0   APPL  1473411963
4  1649.0    1.0   APPL  1473411963
'''

Das obige ist der detaillierte Inhalt vonWas ist die Python-Deduplizierungsfunktion?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!