Cara menggunakan DF.DROP_DUPLICATES pada Python

Fungsi pandas drop_duplicates() digunakan dalam menganalisis data duplikat dan menghapusnya. Fungsi pada dasarnya membantu dalam menghapus duplikat dari DataFrame. Ini adalah salah satu fungsi umum di perpustakaan Pandas yang merupakan fungsi penting ketika kami mengerjakan kumpulan data dan menganalisis data.

kursus kilat ruby ​​on rails

Pahami Pandas DataFrame drop_duplicates()

Fungsi panda drop_duplicates() mengembalikan DataFrame dengan menghapus baris duplikat.

Untuk menghapus baris duplikat dari DataFrame, gunakan Pandas DataFrame drop_duplicates().

Sintaksis

Parameter

Ini memiliki parameter berikut:

• himpunan bagian : Dibutuhkan kolom atau daftar kolom. Secara default, tidak ada. Setelah melewati kolom, itu akan mempertimbangkan hanya mereka untuk duplikat.
• menyimpan : Ini untuk mengontrol bagaimana mempertimbangkan nilai duplikat. Ini dapat memiliki 3 nilai. Secara default, ini adalah 'pertama'. Arti dari ketiga nilai tersebut adalah:
• 1 – 'pertama' – Ini menganggap nilai pertama sebagai unik dan sisanya dari nilai yang sama sebagai duplikat.
• 2 - 'terakhir' - Ini menganggap nilai terakhir sebagai unik dan sisanya dari nilai yang sama dengan duplikat.
• 3 – Salah – Jika salah menganggap semua nilai yang sama sebagai duplikat.
• di tempat: Dibutuhkan nilai boolean dan menghapus baris dengan duplikat jika Benar.

Nilai Kembali

Fungsi drop_duplicates() mengembalikan DataFrame dengan baris duplikat yang dihapus atau Tidak ada jika di tempat = Benar.

Contoh program pada drop_duplicates()

Tulis sebuah program untuk menunjukkan cara kerja drop_duplicates().

kunci api td ameritrade

Adobe Creative Cloud untuk Tim mulai dari ,99 per bulan.

IKLAN MELALUI KARBON

Keluaran

Pada contoh di atas, kita dapat melihat bahwa kita memiliki 2 baris berulang dengan nama siswa sebagai Karan. Karenanya setelah menggunakan drop_duplicates() kami dapat menghapus baris duplikat.

Contoh 2: Tulis program untuk menghapus duplikat dari kolom tertentu menggunakan drop_duplicates().

Lihat kode berikut.

Bisakah kamu melihat twitter tanpa akun?

Keluaran

Di sini, dalam contoh di atas, kita dapat melihat bahwa Karan dan Ajit berasal dari kota yang sama Kolkata.

Oleh karena itu kami telah menghapus duplikat dengan mempertimbangkan satu kolom yaitu Kota dan mengabaikan semua fakta lainnya. Setelah itu, kami mencetak DataFrame yang dihasilkan.

#python #fungsi

setel ulang kata sandi email at&t saya

appdividend.com

Untuk menghapus baris duplikat dari DataFrame, gunakan Pandas DataFrame drop_duplicates(). drop_duplicates() mengembalikan df dengan menghapus baris duplikat.

View Discussion

Improve Article

Save Article

View Discussion

Improve Article

Save Article

Pandas drop_duplicates() method helps in removing duplicates from the Pandas Dataframe In Python.

Syntax of df.drop_duplicates()

Syntax: DataFrame.drop_duplicates(subset=None, keep=’first’, inplace=False)

Parameters:

• subset: Subset takes a column or list of column label. It’s default value is none. After passing columns, it will consider them only for duplicates. 
• keep: keep is to control how to consider duplicate value. It has only three distinct value and default is ‘first’. 
  • If ‘first‘, it considers first value as unique and rest of the same values as duplicate.
  • If ‘last‘, it considers last value as unique and rest of the same values as duplicate.
  • If False, it consider all of the same values as duplicates
• inplace: Boolean values, removes rows with duplicates if True.

Return type: DataFrame with removed duplicate rows depending on Arguments passed. 

Example:

As we can see one of the TeamA and team has been dropped due to duplicate value.

Python3

import pandas as pd

data = {

    "A": ["TeamA", "TeamB", "TeamB", "TeamC", "TeamA"],

    "B": [50, 40, 40, 30, 50],

    "C": [True, False, False, False, True]

}

df = pd.DataFrame(data)

display(df.drop_duplicates())

Output: 

    A        B    C
0    TeamA    50    True
1    TeamB    40    False
3    TeamC    30    False

To download the CSV file used, Click Here. 

Example 1: Removing rows with the same First Name 

In the following example, rows having the same First Name are removed and a new data frame is returned.

Python3

import pandas as pd

data = pd.read_csv("employees.csv")

data.sort_values("First Name", inplace=True)

data.drop_duplicates(subset="First Name",

                     keep=False, inplace=True)

data

Output: 

As shown in the image, the rows with the same names were removed from a data frame. 
 

Example 2: Removing rows with all duplicate values

In this example, rows having all values will be removed. Since the CSV file isn’t having such a row, a random row is duplicated and inserted into the data frame first.

Python3

length2 = len(data)

data.loc[1001] = [data["First Name"][440],

                  data["Gender"][440],

                  data["Start Date"][440],

                  data["Last Login Time"][440],

                  data["Salary"][440],

                  data["Bonus %"][440],

                  data["Senior Management"][440],

                  data["Team"][440]]

length2 = len(data)

data.sort_values("First Name", inplace=True)

data.drop_duplicates(keep=False, inplace=True)

length3 = len(data)

print(length2, length2, length3)

Output: 

As shown in the output image, the length after removing duplicates is 999. Since the keep parameter was set to False, all of the duplicate rows were removed.