pandas——数据清洗之重复

数据清洗df.duplicated(subset= ,keep=)

df指的是DataFrame类型的数据变量，而这个函数的作用是判断每行数据是否重复，

参数：

subset

设置比较的范围，默认是全部的列按照行比较

keep

当keep=‘first’:从上到下，第一次出现的数据为false；以后重复的数据都返回true；当keep=‘last’:从上到下，最后一次出现的数据为false；以后前面的数据都返回true；

import pandas as pd
import numpy as np 

df=pd.read_csv('my_csv_date.csv',encoding='gb2312',\
	na_values=['null','None'],\
	dtype={'电话':str,})
print(df)
print(df['数据'].head(6))
print(df.duplicated().head(6))
print(df.duplicated(subset='数据',keep='last') .head(6))
print(df.duplicated(subset='数据',keep='first') .head(6))
           

整体数据

函数的duplicated( )显示数据

删除重复df.drop_duplicates(subset = ,keep=,inplace= )

下面例子，通过删除数据列的重复值，将对应的行删除，

参数：

inplace:判断是否需要取代原来的数据值

ssubset判断那些列的行之间是否重复

keep:保留第一个还是最后一个（默认保留第一个）