python Pandas去重複數據drop_duplicates詳解

pandas.DataFrame.drop_duplicates

DataFrame.drop_duplicates(subset=None, keep='first', inplace=False)

參數

• subset： 列標籤，可選
• keep： {‘first’, ‘last’, False}, 默認值 ‘first’
  • first： 刪除第一次出現的重複項。
  • last： 刪除重複項，除了最後一次出現。
  • False： 刪除所有重複項。
• inplace：布爾值，默認爲False，是否刪除重複項或返回副本

返回： 重複數據刪除 ： DataFrame

---

示例：

data = pd.DataFrame({'A':['a','b','c','c'],'B':[1,1,2,2]})

	A	B
0	a	1
1	b	1
2	c	2
3	c	2

data.drop_duplicates(subset=None,keep='first',inplace=True)

	A	B
0	a	1
1	b	1
2	c	2

data.drop_duplicates(subset=['B'],keep='first',inplace=True)

	A	B
0	a	1
2	c	2

subset=None表示考慮所有列，將這所以列對應值相同的行進行去重。默認值None。subset=[‘B’]表示只考慮’B’這列，將B列對應值相同的行進行去重。

keep='first’表示保留第一次出現的重複行，是默認值。keep另外兩個取值爲"last"和False，分別表示保留最後一次出現的重複行和去除所有重複行。

inplace=True表示直接在原來的DataFrame上刪除重複項，而默認值False表示生成一個副本。