pandas.DataFrame.duplicated

DataFrame.duplicated(subset=None, keep='first')[source]

Возвращает логический Series, обозначающий дубликаты строк.

Использование определенных столбцов является необязательным.

Параметры:

subset: имя столбца или последовательность имён столбцов, необязательно

Учитываются только определенные столбцы для определения дубликатов, по умолчанию используются все столбцы.

keep:{‘first’, ‘last’, False}, по умолчанию ‘first’

Определяет, какие дубликаты (если есть) отмечать.

• first : Отметить дубликаты как True за исключением первого вхождения.

• last : Отметить дубликаты как True за исключением последнего вхождения.

• False : Отметить все дубликаты как True.

Возвращаемое значение:

Series

Логический Series для каждой строки с дубликатами.

См. также

Index.duplicated

Эквивалентный метод для индекса.

Series.duplicated

Эквивалентный метод для Series.

Series.drop_duplicates

Удаление дубликатов значений из Series.

DataFrame.drop_duplicates

Удаление дубликатов значений из DataFrame.

Примеры

Рассмотрим набор данных с рейтингами лапши быстрого приготовления.

>>> df = pd.DataFrame({
...     'brand': ['Yum Yum', 'Yum Yum', 'Indomie', 'Indomie', 'Indomie'],
...     'style': ['cup', 'cup', 'cup', 'pack', 'pack'],
...     'rating': [4, 4, 3.5, 15, 5]
... })
>>> df
    brand style  rating
0  Yum Yum   cup     4.0
1  Yum Yum   cup     4.0
2  Indomie   cup     3.5
3  Indomie  pack    15.0
4  Indomie  pack     5.0

По умолчанию для каждого набора дублирующих значений первое вхождение устанавливается в False, а все остальные — в True.

>>> df.duplicated()
0    False
1     True
2    False
3    False
4    False
dtype: bool

Используя ‘last’, последнее вхождение каждого набора дублирующих значений устанавливается в False, а все остальные — в True.

>>> df.duplicated(keep='last')
0     True
1    False
2    False
3    False
4    False
dtype: bool

Установив keep в False, все дубликаты устанавливаются в True.

>>> df.duplicated(keep=False)
0     True
1     True
2    False
3    False
4    False
dtype: bool

Для поиска дубликатов в определенном столбце(ах), используйте subset.

>>> df.duplicated(subset=['brand'])
0    False
1     True
2    False
3     True
4     True
dtype: bool