pandas.DataFrame.duplicated

DataFrame.duplicated(subset=None, keep='first')

返回表示重复行的布尔 Series。

考虑特定列是可选的。

Parameters:

subset列标签或标签序列，可选

仅考虑特定列来识别重复项，默认使用所有列。

keep{‘first’, ‘last’, False}, 默认 ‘first’

确定要标记（或不标记）的重复项。

• first : 标记重复项为 True，但保留第一次出现的。

• last : 标记重复项为 True，但保留最后一次出现的。

• False : 标记所有重复项为 True。

Returns:

Series

每行是否重复的布尔 Series。

参见

Index.duplicated

索引上的等效方法。

Series.duplicated

Series 上的等效方法。

Series.drop_duplicates

从 Series 中删除重复值。

DataFrame.drop_duplicates

从 DataFrame 中删除重复值。

Examples

考虑包含拉面评分的数据集。

>>> 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

默认情况下，对于每一组重复的值，第一次出现设置为 False，所有其他设置为 True。

>>> df.duplicated()
0    False
1     True
2    False
3    False
4    False
dtype: bool

通过使用 ‘last’，每组重复值的最后一个出现设置为 False，所有其他设置为 True。

>>> df.duplicated(keep='last')
0     True
1    False
2    False
3    False
4    False
dtype: bool

通过将 keep 设置为 False，所有重复项都为 True。

>>> df.duplicated(keep=False)
0     True
1     True
2    False
3    False
4    False
dtype: bool

要在特定列上查找重复项，请使用 subset。

>>> df.duplicated(subset=['brand'])
0    False
1     True
2    False
3     True
4     True
dtype: bool