首页Python+大数据学习常见问题正文

Python培训之数据预处理：通过duplicated()方法处理重复值

更新时间:2022年07月11日13时57分来源:传智教育浏览次数:

好口碑IT培训

　　duplicated()方法的语法格式如下：

　　上述方法中参数的含义如下：

　　(1)subset：用于识别重复的列标签或列标签序列，默认识别所有的列标签。

　　(2)keep：删除重复项并保留第一次出现的项，取值可以为first、last或False，它们代表的含义如下：

　　(1)first：从前向后查找，除了第一次出现外，其余相同的被标记为重复。默认为此选项。

　　(2)last：从后向前查找，除了最后一次出现外，其余相同的被标记为重复。

　　(3)False：所有的相同的都被标记为重复。

　　duplicated()方法用于标记Pandas对象的数据是否重复，重复则标记为True，不重复则标记为False，所以该方法返回一个由布尔值组成的Series对象，它的行索引保持不变，数据则变为标记的布尔值。

　　注意：对于duplicated()方法，这里有如下两点要进行强调：

　　第一，只有数据表中两个条目间所有列的内容都相等时，duplicated()方法才会判断为重复值。除此之外，duplicated()方法也可以单独对某一列进行重复值判断。

　　第二，duplicated()方法支持从前向后(first)和从后向前(last)两种重复值查找模式，默认是从前向后查找判断重复值的。换句话说，就是将后出现的相同条目判断为重复值。

最新资讯