python重复值处理得方法

前言:

如果大家接触过数据分析,那么大家可能都知道,最让人头疼的就是在数据录入的过程中,不可避免的会产生重复值,缺失值和异常值了,python也提供了一些方法让我们处理这些值。下面让我们一块来学习一下吧~

今天,先处理重复值,首先创建一个包含重复值的DataFrame,如下:

import pandas as pd
data = pd.DataFrame([[1,2],[1,2],[3,4]],columns = ["a","b"])
print(data)

我们将其打印出来,结果如下:

可以看出来第一第二行是重复的,这里的数据量比较少,可以直接肉眼观察,但如果数据量多的时候,我们就需要用到diplicated()函数来查询了,我们用它来查查上面data的重复值。

data[data.duplicated()]

我们可以看出,它把索引为1的行打印了出来,如果有3行一样的呢?我们下面来试试!

import pandas as pd
data = pd.DataFrame([[1,2],[1,2],[1,2],[3,4]],columns = ["a","b"])
data[data.duplicated()]

其结果如下:

可以看出,重复项出了第一个出现的数据外,都会显示出来。

如果想统计出一共有多少行重复了,我们就可以用到sum()函数,代码如下:

data.duplicated().sum()

很多情况下,我们都需要删除掉重复的数据,这时候我们就可以用到drop_duplicated()函数,我们将data的重复行删除掉试试!

data.drop_duplicated()

刚执行代码时发生了错误,原来是duplicates而不是duplicated!

但是要注意,用drop_duplicates()删除重复项并不会影响data的结构,如果你要把data结构改掉就要重新赋值。如果要用来删除某列的重复值的话,直接在括号内加上列名即可。

如下:

到此这篇关于python重复值处理得方法的文章就介绍到这了,更多相关python 重复值 内容请搜索云海天教程以前的文章或继续浏览下面的相关文章希望大家以后多多支持云海天教程!

原文地址:https://juejin.cn/post/7064768893092380702