Pandas DataFrame duplicated() 方法

定义和用法

duplicd() 方法返回包含 True 和 False 值的 Series，这些值描述 DataFrame 中哪些行重复，哪些行不重复。

使用 subset 参数指定在查找重复项时要包含哪些列。默认情况下，包含所有列。

默认情况下，两个或多个重复项的第一次出现将被设置为 False。

将 keep 参数设置为 False，以将第一次出现也设置为 True。

实例

例子 1

检查哪些行重复，哪些行不重复：

import pandas as pd

data = {
  "name": ["John", "Mary", "John", "Sally", "Mary"],
  "age": [40, 30, 40, 50, 30],
  "city": ["Bergen", "Oslo", "Stavanger", "Oslo", "Oslo"]
}

df = pd.DataFrame(data)

s = df.duplicated()

print(s)

亲自试一试

例子 2

仅包含 "name" 和 "age" 列：

s = df.duplicated(subset=["name", "age"])

print(s)

亲自试一试

例子 3

将所有重复项的出现都设置为 True：

s = df.duplicated(keep=False)

print(s)

亲自试一试

语法

dataframe.duplicated(subset, keep)

参数

参数是关键字参数。

返回值

Series，其中包含 DataFrame 中每一行的布尔值。