今天的问题是如何从多行数据中提取不重复的行，有重复的不管其重复项还是其本身都删除掉。如下图所示，提取出其中不重复的那一行：
刚开始想了半天，找了半天资料也没查到查到Python怎样直接提取不重复值，后面转念一想，提取不重复的不就是删除重复值吗？这死脑筋转不过弯。
进入正题，要把重复的项删掉，我们用到的是drop_duplicates来删除重复值：
这个方法有两个参数：
subset：要匹配重复项的列标签，可以是单独一个列，也可以是几个列，用序列表示。默认是选择所有列。
keep：删除重复项留下哪一行，keep=first：留下重复项中的第一行。keep=last：留下最后一行。keep=False：删除所有重复项。
提取完成
引申，那如果我们是通过导入csv文件的形式来处理数据，如果导入的文件没有列标签（column label）怎么办呢，还能通过subset进行匹配吗？其实read_csv在导入文件的时候已经为我们创建好列标签了。read_csv会默认将文件的第一行设置为列标签，如果我们不希望将第一行设置为列标签，需要给read_csv设置一个参数，header=None，这样pandas就会单独加上一列数据[0,1,2,3...]为列标签。subset通过这些标签来匹配就可以了。
网友评论