pandas.DataFrame.drop_duplicates#

DataFrame.drop_duplicates(subset=None, *, keep='first', inplace=False, ignore_index=False)[источник]#

Возвращает DataFrame с удаленными дублирующимися строками.

Учёт определённых столбцов является опциональным. Индексы, включая временные индексы, игнорируются.

Параметры:

subsetметка столбца или последовательность меток, опционально

Учитывать только определенные столбцы для идентификации дубликатов, по умолчанию используются все столбцы.

keep{‘first’, ‘last’, False}, по умолчанию 'first'

Определяет, какие дубликаты (если есть) сохранить.

'first' : Удалить дубликаты, кроме первого вхождения.
‘last’ : Удалить дубликаты, кроме последнего вхождения.
False : Удалить все дубликаты.

inplacebool, по умолчанию False

Следует ли изменять DataFrame вместо создания нового.

ignore_indexbool, по умолчанию False

Если True, результирующая ось будет помечена как 0, 1, …, n - 1.

Возвращает:

DataFrame или None: DataFrame с удалёнными дубликатами или None, если inplace=True.

Смотрите также

DataFrame.value_counts: Подсчитать уникальные комбинации столбцов.

Примеры

Рассмотрим набор данных, содержащий рейтинг рамэна.

>>> df = pd.DataFrame({
...     'brand': ['Yum Yum', 'Yum Yum', 'Indomie', 'Indomie', 'Indomie'],
...     'style': ['cup', 'cup', 'cup', 'pack', 'pack'],
...     'rating': [4, 4, 3.5, 15, 5]
... })
>>> df
    brand style  rating
0  Yum Yum   cup     4.0
1  Yum Yum   cup     4.0
2  Indomie   cup     3.5
3  Indomie  pack    15.0
4  Indomie  pack     5.0

По умолчанию удаляет дублирующиеся строки на основе всех столбцов.

>>> df.drop_duplicates()
    brand style  rating
0  Yum Yum   cup     4.0
2  Indomie   cup     3.5
3  Indomie  pack    15.0
4  Indomie  pack     5.0

Для удаления дубликатов по определенным столбцам используйте subset.

>>> df.drop_duplicates(subset=['brand'])
    brand style  rating
0  Yum Yum   cup     4.0
2  Indomie   cup     3.5

Чтобы удалить дубликаты и сохранить последние вхождения, используйте keep.

>>> df.drop_duplicates(subset=['brand', 'style'], keep='last')
    brand style  rating
1  Yum Yum   cup     4.0
2  Indomie   cup     3.5
4  Indomie  pack     5.0