很可惜 T 。T 您現(xiàn)在還不是作者身份，不能自主發(fā)稿哦～
如有投稿需求，請把文章發(fā)送到郵箱tougao@appcpx.com，一經(jīng)錄用會有專人和您聯(lián)系
咨詢?nèi)绾纬蔀榇河鹱髡哒埪?lián)系：鳥哥筆記小羽毛（ngbjxym）
既然我們這個系列是對比Excel，那么在Excel里是怎么查找重復(fù)值的呢？有很多種方法，這里就簡單說一種：條件格式。在【開始】——【條件格式】里選擇突出顯示重復(fù)值，就將重復(fù)的值突出顯示出來了：
繼之前用的短租數(shù)據(jù)集（后臺回復(fù)：短租數(shù)據(jù)，即可獲得），duplicated方法查找重復(fù)值，和isnull一樣，得到的結(jié)果是布爾值，如果重復(fù)被標記為True，否則為False
# 查看所有列都重復(fù)的數(shù)據(jù)
df_list.duplicated()
結(jié)果如下，得到的是一個序列，通過True/False來查看哪些行完全重復(fù)。
# 定位出所有列都重復(fù)的行
df_list[df_list.duplicated()]
結(jié)果是一個空行，說明這個數(shù)據(jù)集里沒有所有列都重復(fù)的行
對重復(fù)值的判斷有時不需要判斷所有列，只需要對某一列進行判斷，還是用duplicated方法查找，如查找id列是否重復(fù)
# 查找id列是否重復(fù)
df_list[df_list.duplicated(["id"])]
結(jié)果為空，說明id列是唯一標識。
對重復(fù)值的處理，就是刪除
在Excel里專門有一個刪除重復(fù)值的功能，用這個功能就可以將某一列的重復(fù)值刪除，只保留不重復(fù)的值：
對所有列都重復(fù)的行去重
# 所有列去重
df_list = df_list.drop_duplicates()
df_list.head()
對某一列重復(fù)的行去重，添加subset參數(shù)
# 某一列去重
df_list.drop_duplicates(subset = "id")
對要去重的幾列的列名用列表框起來，subset參數(shù)名可以不寫
# 某幾列去重
df_list.drop_duplicates(["id","name"])
以上去重時默認都是保留第一個重復(fù)的值，但如果想要保留最后一個重復(fù)的值呢，添加keep參數(shù)，讓keep = "last"
# 保留最后一個值
df_list.drop_duplicates(["id","name"],keep = "last")
前面介紹了查找重復(fù)值用到的duplicated方法，那么也可以用這個方法直接去重。df_list[df_list.duplicated(["id","name"])]是定位出重復(fù)值，加個取反的符號df_list[~df_list.duplicated(["id","name"])]就將不重復(fù)的值取出來了，也就是去重了。
# 查找后定位去重
df_list[~df_list.duplicated(["id","name"])]
這個案例里last_review字段應(yīng)該是日期時間的類型，但在這里是字符型展示，因此要把字符型轉(zhuǎn)換成日期時間類型的數(shù)據(jù)，使用to_datetime方法，它有兩個參數(shù)，第一個參數(shù)是要轉(zhuǎn)換的列，第二個參數(shù)是設(shè)置日期時間格式。
# 字符轉(zhuǎn)時間
df_list["last_review"] = pd.to_datetime(df_list["last_review"],
format = "%Y/%m/%d")
df_list.info()
結(jié)果如下，可以看到這一列已經(jīng)由原先的字符型轉(zhuǎn)化為了時間型。
# 數(shù)值轉(zhuǎn)字符
df_list["id"].astype(str).dtype
如把id列的整型轉(zhuǎn)為字符型，可以看到轉(zhuǎn)換話數(shù)據(jù)類型為Object。
發(fā)現(xiàn)這里nei**ourhood字段是“朝陽區(qū) / Chaoyang ”形式，只想要保留“/”符號前的字段，因此需要對這個字段進行拆分，在Excel里拆分很簡單，就用【數(shù)據(jù)】選項卡中的【分列】功能即可，分割符號選擇“/”。
# 字段拆分
new_nei**or = df_list["nei**ourhood"].str.split("/",1,True)
df_list[["nei**orhood_new","nei**or2"]] = new_nei**or
df_list
第一個參數(shù)是指定分隔符，第二個參數(shù)填的是1，表示分割成1+1=2列，第三個參數(shù)填True，表示展開為數(shù)據(jù)框，默認是False，所以一般填True，結(jié)果如圖
new_room_type = df_list["room_type"].str.split("/",1,True)
df_list[["room_type_new","room_type2"]] = new_room_type
df_list
結(jié)果如圖：
猜你喜歡：
Python數(shù)據(jù)分析實戰(zhàn)：缺失值處理
為什么要學(xué)統(tǒng)計學(xué)：**的統(tǒng)計學(xué)
Python數(shù)據(jù)結(jié)構(gòu)大結(jié)局：DataFrame
成為數(shù)據(jù)分析師的第三年，我寫了10W字（原創(chuàng)文章吐血整理）
@ 作者：可樂
@ 公眾號/知乎專欄/頭條/簡書：可樂的數(shù)據(jù)分析之路
@ 加微信（data_cola）備注：進群，拉你進可樂的數(shù)據(jù)分析交流群，數(shù)據(jù)分析知識總結(jié)，不定期行業(yè)經(jīng)驗分享
本文為作者獨立觀點，不代表鳥哥筆記立場，未經(jīng)允許不得轉(zhuǎn)載。
《鳥哥筆記版權(quán)及免責(zé)申明》 如對文章、圖片、字體等版權(quán)有疑問，請點擊 反饋舉報
我們致力于提供一個高質(zhì)量內(nèi)容的交流平臺。為落實國家互聯(lián)網(wǎng)信息辦公室“依法管網(wǎng)、依法辦網(wǎng)、依法上網(wǎng)”的要求，為完善跟帖評論自律管理，為了保護用戶創(chuàng)造的內(nèi)容、維護開放、真實、專業(yè)的平臺氛圍，我們團隊將依據(jù)本公約中的條款對注冊用戶和發(fā)布在本平臺的內(nèi)容進行管理。平臺鼓勵用戶創(chuàng)作、發(fā)布優(yōu)質(zhì)內(nèi)容，同時也將采取必要措施管理違法、侵權(quán)或有其他不良影響的網(wǎng)絡(luò)信息。
一、根據(jù)《網(wǎng)絡(luò)信息內(nèi)容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護法》等法律法規(guī)，對以下違法、不良信息或存在危害的行為進行處理。
1. 違反法律法規(guī)的信息，主要表現(xiàn)為：
1)反對憲法所確定的基本原則；
2)危害國家安全，泄露國家秘密，顛覆國家政權(quán)，破壞國家統(tǒng)一，損害國家榮譽和利益；
3)侮辱、濫用英烈形象，歪曲、丑化、褻瀆、否定英雄烈士事跡和精神，以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽、榮譽；
4)宣揚恐怖主義、極端主義或者煽動實施恐怖活動、極端主義活動；
5)煽動民族仇恨、民族歧視，破壞民族團結(jié)；
6)破壞國家宗教政策，宣揚邪教和封建迷信；
7)散布謠言，擾亂社會秩序，破壞社會穩(wěn)定；
8)宣揚淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動非法集會、結(jié)社、游行、示威、聚眾擾亂社會秩序；
10)侮辱或者誹謗他人，侵害他人名譽、隱私和其他合法權(quán)益；
11)通過網(wǎng)絡(luò)以文字、圖片、音視頻等形式，對未成年人實施侮辱、誹謗、威脅或者惡意損害未成年人形象進行網(wǎng)絡(luò)欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法規(guī)禁止的其他內(nèi)容；
2. 不友善：不尊重用戶及其所貢獻內(nèi)容的信息或行為。主要表現(xiàn)為：
1)輕蔑：貶低、輕視他人及其勞動成果；
2)誹謗：捏造、散布虛假事實，損害他人名譽；
3)嘲諷：以比喻、夸張、侮辱性的手法對他人或其行為進行揭露或描述，以此來激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對方對自己的言論作出回應(yīng)，蓄意制造事端；
5)羞辱：貶低他人的能力、行為、生理或身份特征，讓對方難堪；
6)謾罵：以不文明的語言對他人進行負面評價；
7)歧視：煽動人群歧視、地域歧視等，針對他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊；
8)威脅：許諾以不良的后果來迫使他人服從自己的意志；
3. 發(fā)布垃圾廣告信息：以推廣曝光為目的，發(fā)布影響用戶體驗、擾亂本網(wǎng)站秩序的內(nèi)容，或進行相關(guān)行為。主要表現(xiàn)為：
1)多次發(fā)布包含售賣產(chǎn)品、提供服務(wù)、宣傳推廣內(nèi)容的垃圾廣告。包括但不限于以下幾種形式：
2)單個帳號多次發(fā)布包含垃圾廣告的內(nèi)容；
3)多個廣告帳號互相配合發(fā)布、傳播包含垃圾廣告的內(nèi)容；
4)多次發(fā)布包含欺騙性外鏈的內(nèi)容，如未注明的淘寶客鏈接、跳轉(zhuǎn)網(wǎng)站等，誘騙用戶點擊鏈接
5)發(fā)布大量包含推廣鏈接、產(chǎn)品、品牌等內(nèi)容獲取搜索引擎中的不正當(dāng)曝光；
6)購買或出售帳號之間虛假地互動，發(fā)布干擾網(wǎng)站秩序的推廣內(nèi)容及相關(guān)交易。
7)發(fā)布包含欺騙性的惡意營銷內(nèi)容，如通過偽造經(jīng)歷、冒充他人等方式進行惡意營銷；
8)使用特殊符號、圖片等方式規(guī)避垃圾廣告內(nèi)容審核的廣告內(nèi)容。
4. 色情低俗信息，主要表現(xiàn)為：
1)包含自己或他人性經(jīng)驗的細節(jié)描述或露骨的感受描述；
2)涉及色情段子、兩性笑話的低俗內(nèi)容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內(nèi)容；
4)帶有性暗示、性挑逗等易使人產(chǎn)生性聯(lián)想；
5)展現(xiàn)血腥、驚悚、殘忍等致人身心不適；
6)炒作緋聞、丑聞、劣跡等；
7)宣揚低俗、庸俗、媚俗內(nèi)容。
5. 不實信息，主要表現(xiàn)為：
1)可能存在事實性錯誤或者造謠等內(nèi)容；
2)存在事實夸大、偽造虛假經(jīng)歷等誤導(dǎo)他人的內(nèi)容；
3)偽造身份、冒充他人，通過頭像、用戶名等個人信息暗示自己具有特定身份，或與特定機構(gòu)或個人存在關(guān)聯(lián)。
6. 傳播封建迷信，主要表現(xiàn)為：
1)找人算命、測字、占卜、解夢、化解厄運、使用迷信方式治?。?br /> 2)求推薦算命看相大師；
3)針對具體風(fēng)水等問題進行求助或咨詢；
4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失，包括通過占卜方法問婚姻、前程、運勢，東西寵物丟了能不能找回、取名改名等；
7. 文章標題黨，主要表現(xiàn)為：
1)以各種夸張、獵奇、不合常理的表現(xiàn)手法等行為來誘導(dǎo)用戶；
2)內(nèi)容與標題之間存在嚴重不實或者原意扭曲；
3)使用夸張標題，內(nèi)容與標題嚴重不符的。
8.「飯圈」亂象行為，主要表現(xiàn)為：
1)誘導(dǎo)未成年人應(yīng)援集資、高額消費、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動「飯圈」粉絲攀比炫富、奢靡享樂等行為
4)以號召粉絲、雇用網(wǎng)絡(luò)水軍、「養(yǎng)號」形式刷量控評等行為
5)通過「蹭熱點」、制造話題等形式干擾輿論，影響傳播秩序
9. 其他危害行為或內(nèi)容，主要表現(xiàn)為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會公德行為、誘導(dǎo)未成年人不良嗜好影響未成年人身心健康的；
2)不當(dāng)評述自然災(zāi)害、重大事故等災(zāi)難的；
3)美化、粉飾侵略戰(zhàn)爭行為的；
4)法律、行政法規(guī)禁止，或可能對網(wǎng)絡(luò)生態(tài)造成不良影響的其他內(nèi)容。
二、違規(guī)處罰
本網(wǎng)站通過主動發(fā)現(xiàn)和接受用戶舉報兩種方式收集違規(guī)行為信息。所有有意的降低內(nèi)容質(zhì)量、傷害平臺氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當(dāng)一個用戶發(fā)布違規(guī)內(nèi)容時，本網(wǎng)站將依據(jù)相關(guān)用戶違規(guī)情節(jié)嚴重程度，對帳號進行禁言 1 天、7 天、15 天直至永久禁言或封停賬號的處罰。當(dāng)涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊、使用帳號，或者濫用多個帳號發(fā)布違規(guī)內(nèi)容時，本網(wǎng)站將加重處罰。
三、申訴
隨著平臺管理經(jīng)驗的不斷豐富，本網(wǎng)站出于維護本網(wǎng)站氛圍和秩序的目的，將不斷完善本公約。
如果本網(wǎng)站用戶對本網(wǎng)站基于本公約規(guī)定做出的處理有異議，可以通過「建議反饋」功能向本網(wǎng)站進行反饋。
(規(guī)則的最終解釋權(quán)歸屬本網(wǎng)站所有)