在使用pandas進(jìn)行重復(fù)記錄判斷的時(shí)候會(huì)涉及到duplicated和drop_duplicates()兩個(gè)方法,那么這兩個(gè)方法怎么用呢?duplicated和drop_duplicates()有什么區(qū)別呢?閱讀這篇文章你會(huì)得到答案!
前言
在算face_track_id map有感:
開始驗(yàn)證
data={'state':[1,1,2,2,1,2,2,2],'pop':['a','b','c','d','b','c','d','d']}
frame=pd.DataFrame(data)
frame
frame.shape
$ (8,2)
# 說明duplicated()是對(duì)整行進(jìn)行查重,return 重復(fù)了的數(shù)據(jù),且只現(xiàn)實(shí)n-1條重復(fù)的數(shù)據(jù)(n是重復(fù)的次數(shù))
frame[frame.duplicated() == True]
一開始還很疑惑,明明(1,b)只出現(xiàn)了1次,哪里duplicate了。其實(shí),人家return的結(jié)果是去掉已經(jīng)出現(xiàn)過一次的行數(shù)據(jù)了。所以看起來有點(diǎn)confuse,感覺(1,b)并沒有重復(fù),但其實(shí)人家的函數(shù)很簡(jiǎn)潔呢,返回了重復(fù)值而且不冗余。
# 說明drop_duplicates()函數(shù)是將所有重復(fù)的數(shù)據(jù)都去掉了,且默認(rèn)保留重復(fù)數(shù)據(jù)的第一條。
# 比如(2,d)出現(xiàn)了3次,在duplicated()中顯示了2次,在drop_dupicates()后保留了一個(gè)
frame.drop_duplicates().shape
$ (4,2)
# 留下了完全唯一的數(shù)據(jù)行
frame.drop_duplicates()
補(bǔ)充:python的pandas重復(fù)值處理(duplicated()和drop_duplicates())
一、生成重復(fù)記錄數(shù)據(jù)
import numpy as np
import pandas as pd
#生成重復(fù)數(shù)據(jù)
df=pd.DataFrame(np.ones([5,2]),columns=['col1','col2'])
df['col3']=['a','b','a','c','d']
df['col4']=[3,2,3,2,2]
df=df.reindex(columns=['col3','col4','col1','col2']) #將新增的一列排在第一列
df
輸出:
二、判斷重復(fù)記錄(行)
#判斷重復(fù)數(shù)據(jù)
isDplicated=df.duplicated() #判斷重復(fù)數(shù)據(jù)記錄
isDplicated
輸出:
三、刪除重復(fù)值
#刪除重復(fù)值
new_df1=df.drop_duplicates() #刪除數(shù)據(jù)記錄中所有列值相同的記錄
new_df2=df.drop_duplicates(['col3']) #刪除數(shù)據(jù)記錄中col3列值相同的記錄
new_df3=df.drop_duplicates(['col4']) #刪除數(shù)據(jù)記錄中col4列值相同的記錄
new_df4=df.drop_duplicates(['col3','col4']) #刪除數(shù)據(jù)記錄中(col3和col4)列值相同的記錄
new_df1
new_df2
new_df3
new_df4
輸出:
小結(jié)
以上就是duplicated和drop_duplicates()有什么區(qū)別的全部介紹,希望能給大家一個(gè)參考,也希望大家多多支持W3Cschool。