DataFrame.duplicated(self,subset = None,keep ='first')
返回表示重复行的布尔Series,可以选择仅考虑某些列。
参数: | subse : 列标签或标签序列,可选 仅考虑某些列来标识重复项,默认情况下使用所有列 keep : first:将重复项标记True为第一次出现的除外。 last:将重复项标记True为最后一次除外。 False:将所有重复项标记为True。 |
返回: | Series |
例子
import numpy as np
import pandas as pd
标记DataFrame重复
df = pd.DataFrame({’col1’: [‘one’, ‘one’, ‘two’, ‘two’, ‘two’, ‘three’, ‘four’], ‘col2’: [1, 2, 1, 2, 1, 1, 1], ’col3’:[‘AA’,‘BB’,‘CC’,‘DD’,‘EE’,‘FF’,‘GG’]},index=[‘a’, ‘a’, ‘b’, ‘c’, ‘b’, ‘a’,‘c’]) df.duplicated()#默认所有列,无重复记录 df.duplicated(’col1’)#第二、四、五行被标记为重复 df.duplicated([’col1’,‘col2’])#第五行被标记为重复 #keep=’last’ df.duplicated(’col1’,‘last’)#第一、三、四行被标记重复 df.duplicated([’col1’,‘col2’],keep=‘last’)#第三行被标记为重复 #keep=False df.duplicated(’col1’,False)#Series([True,True,True,True,True,False,False],index=[‘a’,’a’,’b’,’c’,’b’,’a’,’c’]) df.duplicated([’col1’,‘col2’],keep=False)#在col1和col2列上出现相同的,都被标记为重复 type(df.duplicated([’col1’,‘col2’],keep=False))#pandas.core.series.Series #根据索引标记 df.index.duplicated()#默认keep=’first’,第二、五、七行被标记为重复 df.index.duplicated(keep=’last’)#第一、二、三、四被标记为重复 df[df.index.duplicated()]#获取重复记录行 df[~df.index.duplicated(’last’)]#获取不重复记录行
标记Series重复例子
#duplicated(self, keep=’first’) s = pd.Series([’one’, ‘one’, ‘two’, ‘two’, ‘two’, ‘three’, ‘four’] ,index= [‘a’, ‘a’, ‘b’, ‘c’, ‘b’, ‘a’,‘c’],name=‘sname’) s.duplicated() s.duplicated(’last’) s.duplicated(False) #根据索引标记 s.index.duplicated() s.index.duplicated(’last’) s.index.duplicated(False)