Pandas2.2 DataFrame

Reindexing selection label manipulation

方法	描述
DataFrame.add_prefix(prefix[, axis])	用于在 DataFrame 的行标签或列标签前添加指定前缀的方法
DataFrame.add_suffix(suffix[, axis])	用于在 DataFrame 的行标签或列标签后添加指定后缀的方法
DataFrame.align(other[, join, axis, level, …])	用于对齐两个 DataFrame 或 Series 的方法
DataFrame.at_time(time[, asof, axis])	用于筛选 特定时间点 的行的方法
DataFrame.between_time(start_time, end_time)	用于筛选 指定时间范围内的数据行 的方法
DataFrame.drop([labels, axis, index, …])	用于从 DataFrame 中删除指定行或列的方法
DataFrame.drop_duplicates([subset, keep, …])	用于删除重复行的方法
DataFrame.duplicated([subset, keep])	用于检测 重复行 的方法

pandas.DataFrame.duplicated()

pandas.DataFrame.duplicated([subset, keep]) 是一个用于检测 重复行 的方法，它返回一个布尔型的 Series，标记每一行是否为重复行（True 表示是重复项）。

---

📌 方法签名

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

---

🔧 参数说明：

参数	类型	说明
subset	标签或标签列表，可选	指定用于判断重复的列，默认为所有列
keep	{'first', 'last', False}	控制如何标记重复项： - 'first': 第一次出现的不标记为重复（默认） - 'last': 最后一次出现的不标记为重复 - False: 所有重复项都标记为 True

---

✅ 返回值：

• 返回一个 pandas.Series，类型为布尔值，True 表示该行为重复行。

---

🧪 示例代码：

示例 1：基于所有列检测重复行

import pandas as pd

# 创建含重复行的 DataFrame
df = pd.DataFrame({
    
      
    'A': [1, 2, 2, 3, 2],
    'B': ['a', 'b', 'b', 'c', 'b']
})

print("Original DataFrame:")
print(df)

# 检测重复行（默认 keep='first'）
duplicates = df.duplicated()

print("\nResult of df.duplicated():")
print(duplicates)

输出结果：

Original DataFrame:
   A  B
0  1  a
1  2  b
2  2  b
3  3  c
4  2  b

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

---

示例 2：基于特定列检测重复行（subset）

# 只根据列 'A' 判断重复
duplicates_by_A = df.duplicated(subset=['A'])

print("\nResult of df.duplicated(subset=['A']):")
print(duplicates_by_A)

输出结果：

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

---

示例 3：保留最后出现的非重复项（keep=‘last’）

# 最后一次出现的不标记为重复
duplicates_last = df.duplicated(keep='last')

print("\nResult of df.duplicated(keep='last'):")
print(duplicates_last)

输出结果：

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

---

示例 4：标记所有重复项（keep=False）

# 所有重复项都标记为 True
all_duplicates = df.duplicated(keep=False)

print("\nResult of df.duplicated(keep=False):")
print(all_duplicates)

输出结果：

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

---

🧠 应用场景：

• 数据清洗时识别重复记录；
• 配合 drop_duplicates() 使用，先查看哪些行是重复的；
• 分析数据集中某些字段组合是否唯一；
• 在数据分析前确保数据质量。

---

⚠️ 注意事项：

• 不会修改原始 DataFrame，而是返回布尔 Series；
• subset 可以是单个列名或多个列组成的列表；
• keep='first' 是默认行为，适合大多数去重需求；
• 可用于筛选出重复的数据行进行进一步分析或处理。

---