Pandy - Odstranění duplikátů
Objevování duplikátů
Duplicitní řádky jsou řádky, které byly zaregistrovány více než jednou.
Duration Date Pulse Maxpulse Calories
0 60 '2020/12/01' 110 130 409.1
1 60 '2020/12/02' 117 145 479.0
2 60 '2020/12/03' 103 135 340.0
3 45 '2020/12/04' 109 175 282.4
4 45 '2020/12/05' 117 148 406.0
5 60 '2020/12/06' 102 127 300.0
6 60 '2020/12/07' 110 136 374.0
7 450 '2020/12/08' 104 134 253.3
8 30 '2020/12/09' 109 133 195.1
9 60 '2020/12/10' 98 124 269.0
10 60 '2020/12/11' 103 147 329.3
11 60 '2020/12/12' 100 120 250.7
12 60 '2020/12/12' 100 120 250.7
13 60 '2020/12/13' 106 128 345.3
14 60 '2020/12/14' 104 132 379.3
15 60 '2020/12/15' 98 123 275.0
16 60 '2020/12/16' 98 120 215.2
17 60 '2020/12/17' 100 120 300.0
18 45 '2020/12/18' 90 112 NaN
19 60 '2020/12/19' 103 123 323.0
20 45 '2020/12/20' 97 125 243.0
21 60 '2020/12/21' 108 131 364.2
22 45 NaN 100 119 282.0
23 60 '2020/12/23' 130 101 300.0
24 45 '2020/12/24' 105 132 246.0
25 60 '2020/12/25' 102 126 334.5
26 60 20201226 100 120 250.0
27 60 '2020/12/27' 92 118 241.0
28 60 '2020/12/28' 103 132 NaN
29 60 '2020/12/29' 100 132 280.0
30 60 '2020/12/30' 102 129 380.3
31 60 '2020/12/31' 92 115 243.0
Když se podíváme na naši testovací sadu dat, můžeme předpokládat, že řádky 11 a 12 jsou duplikáty.
K odhalení duplikátů můžeme použít duplicated()
metodu.
Metoda duplicated()
vrací booleovské hodnoty pro každý řádek:
Příklad
Vrátí True
pro každý řádek, který je duplicitní, jinak False
:
print(df.duplicated())
Získejte certifikaci!
Dokončete moduly Pandas, proveďte cvičení, udělejte zkoušku a získáte certifikaci w3schools!
10 $ PŘIHLÁSIT SE
Odstranění duplikátů
Chcete-li odstranit duplikáty, použijte drop_duplicates()
metodu.
Příklad
Odebrat všechny duplikáty:
df.drop_duplicates(inplace = True)
Pamatujte: Metoda (inplace = True)
zajistí, že metoda NEVRÁTÍ nový DataFrame, ale odstraní všechny duplikáty z původního DataFrame.