zoukankan      html  css  js  c++  java
  • 重复值处理

    import pandas as pd
    
    # 生成重复数据
    data1 = ['a', 3]
    data2 = ['b', 2]
    data3 = ['a', 3]
    data4 = ['c', 2]
    
    df = pd.DataFrame([data1, data2, data3, data4], columns = ['col1', 'col2'])
    print(df)

    # 判断重复数据
    isDuplicated = df.duplicated()     # 判断重复数据记录
    print(isDuplicated)                # 打印输出

    # 删除重复值
    new_df1 = df.drop_duplicates()            # 删除数据记录中所有列值相同的记录
    new_df2 = df.drop_duplicates(['col1'])    # 删除数据记录中col1值相同的记录
    new_df3 = df.drop_duplicates(['col2'])    # 删除数据记录中col2值相同的记录
    new_df4 = df.drop_duplicates(['col1', 'col2'])    # 删除数据记录中指定列(col1/col2)值相同的记录
    
    print(new_df1)
    print(new_df2)
    print(new_df3)
    print(new_df4)

    判断重复数据的判断方法:df.duplicated(),该方法中两个主要的参数是subset和keep:

    • subset:要判断重复值的列,可以指定特定列或多个列。默认使用全部列。
    • keep:当重复时不标记为True的规则,可设置为第一个、最后一个和全部标记为True(False)。默认为第一个,即第一个重复值不标记为True。

    删除重复数据的方法:df.drop_duplicates(),参数跟df.duplicated()一样。

    Numpy重复值的判断

    除了Pandas可用来做重复值判断和处理外,也可以使用Numpy中的unique()方法,该方法返回其参数数组中所有不同的值,并且按照从小到大的顺序排列。Python自带的内置函数set方法,也可以返回唯一元素的集合。

  • 相关阅读:
    Linux 服务器连接远程数据库(Mysql、Pgsql)
    oracle主键自增
    全排列算法实现
    python动态导入包
    python发红包实现
    CentOS 6.8安装Oracle 11 g 解决xhost: unable to open display
    xargs的一个小坑
    利用ssh-copy-id复制公钥到多台服务器
    redhat 5 更换yum源
    【原创】Hadoop的IO模型(数据序列化,文件压缩)
  • 原文地址:https://www.cnblogs.com/keye/p/8893325.html
Copyright © 2011-2022 走看看