Bootstrap
Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现,它是使Python成为强大而高效的数据分析环境的重要因素之一。本文主要介绍一下Pandas中pandas.DataFrame.duplicated方法的使用。

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','last',False},默认为'first'

    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)