python中duplicated和drop_duplicates()怎么用？如何區(qū)別？

猿友 2021-07-21 16:08:08 瀏覽數(shù) (10935)

反饋

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(kāi)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

驗(yàn)證數(shù)據(jù)

frame.shape
$ (8,2)

# 說(shuō)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(kāi)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(guò)一次的行數(shù)據(jù)了。所以看起來(lái)有點(diǎn)confuse，感覺(jué)（1，b）并沒(méi)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。

運(yùn)行結(jié)果

# 說(shuō)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()

運(yùn)行結(jié)果

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：

生成重復(fù)數(shù)據(jù)

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：

判斷重復(fù)數(shù)據(jù)的結(jié)果

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：

運(yùn)行結(jié)果