【DataFrame】去重复数据之 drop_duplicates 详解

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

参数

• subset： 列标签，可选
• keep： {‘first’, ‘last’, False}, 默认值 ‘first’
  • first： 删除第一次出现的重复项。
  • last： 删除重复项，除了最后一次出现。
  • False： 删除所有重复项。
• inplace：布尔值，默认为 False，是否删除重复项或返回副本

返回

重复数据删除 ： DataFrame

示例：

import pandas as pd

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 表示考虑所有列，将这所以列对应值相同的行进行去重。默认值 None。subset=[‘B’] 表示只考虑’B’这列，将 B 列对应值相同的行进行去重。

keep=’first’表示保留第一次出现的重复行，是默认值。keep 另外两个取值为 "last" 和 False，分别表示保留最后一次出现的重复行和去除所有重复行。

inplace=True 表示直接在原来的 DataFrame 上删除重复项，而默认值 False 表示生成一个副本。