pandas 取出dataframe中重复的数据(关于某字段)，即去掉不重复的数据

最新推荐文章于 2024-01-15 19:20:01 发布

原创最新推荐文章于 2024-01-15 19:20:01 发布 · 4.4w 阅读

47 ·

CC 4.0 BY-SA版权

文章标签：

#pandas dataframe

pandas 专栏收录该内容

1 篇文章

订阅专栏

本文介绍了一种使用Pandas库从DataFrame中提取重复项的方法。通过两次调用drop_duplicates方法，一次保留一个重复项，另一次删除所有重复项，然后利用集合操作找出重复数据。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

和dataframe去重不同，当需要的是那些重复数据而不是非重复数据是，就想要将重复数据提取出来时，或者去除那些非重复数据。

主要思路：

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

2. 上一步我们得到了两类去重数据，分别是含有原本重复的数据(a)和不含有原本重复的数据(b)，b是a的真子集,然后就可以用作差集的思想（http://blog.youkuaiyun.com/jasonwang_/article/details/78797458），即a-b，得到我们需要的原本重复的数据。

示例代码如下：

>>>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
	pop	state
0	a	1
1	b	1
2	c	2
3	d	2
4	b	1
5	c	2
6	d	2
>>>a = frame.drop_duplicates(subset=['pop'],keep='first')
>>>a
	pop	state
0	a	1
1	b	1
2	c	2
3	d	2
>>>b = frame.drop_duplicates(subset=['pop'],keep=False)
>>>b
	pop	state
0	a	1
>>>a.append(b).drop_duplicates(subset=['pop'],keep=False)
	pop	state
1	b	1
2	c	2
3	d	2

最后得到的三行数据就是重复的数据。