【pandas】dataframe中重复数据比较、筛选、去除等

        当需要的是DataFrame那些重复数据，尤其是要比较重复数据的异同时，就需要将重复数据提取出来时，再关联原数据，并做排序，进行比较。

方法一、主要思路：

1. 采用drop_duplicates对数据去两次重，一次将重复数据保留一个（keep='first），另一次将重复数据全部去除（keep=False）; 

2. 合并两者，并去重，得到重复的字段；

3、由重复的字段，得到原数据的重复所有数据，并进行排序，便于比较数据的异同；

        示例代码如下：

#获取重复的数据
import pandas as pd  
data={'state':[1,1,2,2,1,2,2],'pop':['a','b','c','d','b','c','d']}
frame=pd.DataFrame(data)  
frame
 
a = frame.drop_duplicates(subset=['pop'],keep='first') #保留重复数据的第一个
 
b = frame.drop_duplicates(subset=['pop'],keep=False)  #去掉重复的数据
 
c = a.append(b).drop_duplicates(subset=['pop'],keep=False) #合并两者，再去掉重复的数据
 
data_cf = frame.loc[frame['pop'].isin(c['pop'])] ##获得了原数据的所有重复项
 
data_cf = data_cf.sort_values('pop',ascending=True) ##排序

方法二：

使用  pandas.duplicate()

代码如下：

##方法二、直接使  duplicate()
frame[frame.duplicated('pop')]  #返回boolean Series表示重复行，可选择仅考虑某些列

————————————————
来源：https://blog.youkuaiyun.com/m0_37235489/article/details/84584520