如何从Pandas DataFrame中删除重复项？

需要从Pandas DataFrame中删除重复项吗？

如果是这样，你可以应用以下语法从DataFrame中删除重复项：

df.drop_duplicates()

Pandas DataFrame如何删除重复项？在下一节中，你将看到在实践中应用此语法的步骤以及相关的Pandas DataFrame删除重复项示例。

从 Pandas DataFrame中删除重复项的步骤

步骤 1：收集包含重复项的数据

首先，你需要收集包含重复项的数据。

例如，假设你有以下关于盒子的数据，其中每个盒子可能有不同的颜色或形状：

Color	Shape
Green	Rectangle
Green	Rectangle
Green	Square
Blue	Rectangle
Blue	Square
Red	Square
Red	Square
Red	Rectangle

如你所见，两列下都有重复项。

在删除这些重复项之前，你需要创建 Pandas DataFrame以在 Python 中捕获该数据。

第 2 步：创建 Pandas DataFrame

接下来，使用以下代码创建 Pandas DataFrame：

import pandas as pd

boxes = {'Color': ['Green','Green','Green','Blue','Blue','Red','Red','Red'],
         'Shape': ['Rectangle','Rectangle','Square','Rectangle','Square','Square','Square','Rectangle']
        }
df = pd.DataFrame(boxes, columns = ['Color', 'Shape'])

print(df)

在 Python 中运行代码后，你将获得与步骤 1 中相同的值：

   Color      Shape
0  Green  Rectangle
1  Green  Rectangle
2  Green     Square
3   Blue  Rectangle
4   Blue     Square
5    Red     Square
6    Red     Square
7    Red  Rectangle

第 3 步：从 Pandas DataFrame 中删除重复项

要从DataFrame中删除重复项，你可以使用在本指南开头看到的以下语法：

df.drop_duplicates()

Pandas DataFrame如何删除重复项？假设你要删除颜色和形状两列中的重复项。

在这种情况下，请应用以下代码以删除这些重复项：

import pandas as pd

boxes = {'Color': ['Green','Green','Green','Blue','Blue','Red','Red','Red'],
         'Shape': ['Rectangle','Rectangle','Square','Rectangle','Square','Square','Square','Rectangle']
        }
df = pd.DataFrame(boxes, columns = ['Color', 'Shape'])

df_duplicates_removed = df.drop_duplicates()
print(df_duplicates_removed)

如你所见，只有两列中的不同值仍然存在：

   Color      Shape
0  Green  Rectangle
2  Green     Square
3   Blue  Rectangle
4   Blue     Square
5    Red     Square
7    Red  Rectangle

但是，如果你想删除特定列（例如颜色列）上的重复项怎么办？

在这种情况下，你可以使用子集指定列名：

df.drop_duplicates( subset=['Color'] )

因此，删除 Color 列重复项的完整 Python Pandas DataFrame删除重复项示例如下所示：

import pandas as pd

boxes = {'Color': ['Green','Green','Green','Blue','Blue','Red','Red','Red'],
         'Shape': ['Rectangle','Rectangle','Square','Rectangle','Square','Square','Square','Rectangle']
        }
df = pd.DataFrame(boxes, columns = ['Color', 'Shape'])

df_duplicates_removed = df.drop_duplicates(subset=['Color'])
print(df_duplicates_removed)

结果如下：

   Color      Shape
0  Green  Rectangle
3   Blue  Rectangle
5    Red     Square

你可能需要查看Pandas 文档以了解有关从Pandas DataFrame中删除重复项的更多信息。