pandas DataFrame检测重复值与去重方法详解
发布时间：2026-10-14 |
2人浏览过
本文详细介绍pandas中DataFrame检测重复值的方法，包括duplicated函数的subset、keep参数用法及示例，以及如何通过布尔索引查询和统计重复记录个数。
pandas DataFrame检测重复值概述
本文详细介绍如何利用pandas查看DataFrame中的重复数据，判断数据是否重复，以及如何执行去重操作。
DataFrame.duplicated(subset=None, keep='first')duplicated函数参数详解
subset参数：若指定某些字段作为判断重复的依据，需将这些字段以列表形式传入subset参数。默认情况下，所有字段完全一致才被视为重复数据。
keep参数：
- 默认值为'first'。当存在重复数据时，第一条出现的记录标记为False，后续重复的记录标记为True。
- 若设置为'last'，当存在重复数据时，最后一条出现的记录标记为False，其前序重复记录标记为True。
- 若设置为False，则所有重复的记录均标记为True。
重复值检测示例
以下通过具体示例进行说明。
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
# 默认为keep="first",第一条重复的为False,后面重复的为True
# 一般不会设置keep，保持keep为默认值。
df.duplicated()
结果
0 False
1 True
2 False
3 False
4 False
dtype: bool
# keep="last",,最后一条重复的为False,后面重复的为True
df.duplicated(keep="last")
结果
0 True
1 False
2 False
3 False
4 False
dtype: bool
# keep=False,,所有重复的为True
df.duplicated(keep=False)
结果
0 True
1 True
2 False
3 False
4 False
dtype: bool
# sub是子，subset是子集
# 标记只要brand重复为重复值。
df.duplicated(subset='brand')
结果
0 False
1 True
2 False
3 True
4 True
dtype: bool
# 只要brand重复brand和style重复的为重复值。
df.duplicated(subset=['brand','style'])
结果
0 False
1 True
2 False
3 False
4 True
dtype: bool
# 显示重复记录，通过布尔索引
df[df.duplicated()]
# 查询重复值的个数。
df.duplicated().sum()
结果
1
总结
至此，关于pandas中DataFrame检测重复值的实现介绍完毕。如需了解更多相关pandas DataFrame检测重复值的内容，请搜索本站历史文章或继续浏览后续相关文章。感谢大家的支持！
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
