Pandas高效去除重复数据行
在Python Pandas数据处理中，经常遇到需要去除DataFrame中完全相同的重复行的情况。本文将详细讲解如何利用drop_duplicates()函数高效地解决这个问题。
假设我们有一个包含id和value两列的DataFrame，其中存在多行完全相同的数据：
<code>index id value 0 1 2 1 1 2 2 2 3 3 3 4</code>
我们的目标是只保留唯一行，得到如下结果：
立即学习“Python免费学习笔记（深入）”；
<code>index id value 2 2 3 3 3 4</code>
Pandas的drop_duplicates()函数完美地解决了这个问题。关键参数keep控制如何处理重复行：设置为False则删除所有重复行。
如果DataFrame只有id和value两列，可以直接使用：
df.drop_duplicates(keep=False, inplace=True)
inplace=True表示直接修改原DataFrame，而非创建新的DataFrame。
如果DataFrame包含更多列，但只想根据id和value判断重复，则使用subset参数指定列：
df.drop_duplicates(subset=['id', 'value'], keep=False, inplace=True)
此代码根据id和value列的值判断重复行，并删除所有重复行。keep参数还可以设置为'first'或'last'，分别保留第一次或最后一次出现的重复行，提供更灵活的数据清洗方案。
