<\/p>\n
Puoi utilizzare la funzione duplicated()<\/a> per trovare valori duplicati in un DataFrame panda.<\/span><\/p>\n Questa funzione utilizza la seguente sintassi di base:<\/span><\/p>\n I seguenti esempi mostrano come utilizzare in pratica questa funzione con i seguenti DataFrame panda:<\/span><\/p>\n Il codice seguente mostra come trovare righe duplicate in tutte le colonne del DataFrame:<\/span><\/p>\n Esistono due righe che sono duplicati esatti di altre righe nel DataFrame.<\/span><\/p>\n Nota che possiamo anche usare l’argomento keep=’last’<\/strong> per visualizzare le prime righe duplicate invece dell’ultima:<\/span><\/p>\n Il codice seguente mostra come trovare righe duplicate solo nelle colonne “team” e “points” del DataFrame:<\/span><\/p>\n Ci sono tre righe in cui i valori nelle colonne \u201csquadra\u201d e \u201cpunti\u201d sono copie esatte delle righe precedenti.<\/span><\/p>\n Il codice seguente mostra come trovare righe duplicate solo nella colonna “team” del DataFrame:<\/span><\/p>\n Ci sono sei righe in totale in cui i valori nella colonna “team” sono duplicati esatti delle righe precedenti.<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre operazioni comuni nei panda:<\/span><\/p>\n Come rimuovere le righe duplicate in Pandas<\/a> Puoi utilizzare la funzione duplicated() per trovare valori duplicati in un DataFrame panda. Questa funzione utilizza la seguente sintassi di base: #find duplicate rows across all columns duplicateRows = df[df. duplicated ()] #find duplicate rows across specific columns duplicateRows = df[df. duplicated ([‘ col1 ‘,’ col2 ‘])] I seguenti esempi mostrano come utilizzare in pratica […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n #find duplicate rows across all columns<\/span>\nduplicateRows = df[df. duplicated<\/span> ()]\n\n#find duplicate rows across specific columns<\/span>\nduplicateRows = df[df. duplicated<\/span> ([' col1<\/span> ',' col2<\/span> '])]\n<\/strong><\/pre>\n import<\/span> pandas as<\/span> pd\n\n#createDataFrame\ndf = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],\n ' points<\/span> ': [10, 10, 12, 12, 15, 17, 20, 20],\n ' assists<\/span> ': [5, 5, 7, 9, 12, 9, 6, 6]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team points assists\n0 to 10 5\n1 to 10 5\n2 to 12 7\n3 to 12 9\n4 B 15 12\n5 B 17 9\n6 B 20 6\n7 B 20 6\n<\/span><\/span><\/strong><\/pre>\n Esempio 1: trova righe duplicate in tutte le colonne<\/strong><\/span><\/h3>\n
#identify duplicate rows\n<\/span>duplicateRows = df[df. duplicated<\/span> ()]\n\n#view duplicate rows\n<\/span>duplicateRows\n\n team points assists\n1 to 10 5\n7 B 20 6\n<\/span><\/span><\/strong><\/pre>\n #identify duplicate rows\n<\/span>duplicateRows = df[df. duplicated<\/span> (keep=' last<\/span> ')]\n\n#view duplicate rows\n<\/span>print<\/span> (duplicateRows)\n\n\tteam points assists\n0 to 10 5\n6 B 20 6\n<\/span><\/span><\/strong><\/pre>\n Esempio 2: trova righe duplicate in colonne specifiche<\/strong><\/span><\/h3>\n
#identify duplicate rows across 'team' and 'points' columns\n<\/span>duplicateRows = df[df. duplicated<\/span> ([' team<\/span> ',' points<\/span> '])]\n\n#view duplicate rows\n<\/span>print<\/span> (duplicateRows)\n\n team points assists\n1 to 10 5\n3 to 12 9\n7 B 20 6\n<\/span><\/span><\/strong><\/pre>\n Esempio 3: trova righe duplicate in una colonna<\/strong><\/span><\/h3>\n
#identify duplicate rows in 'team' column\n<\/span>duplicateRows = df[df. duplicated<\/span> ([' team<\/span> '])]\n\n#view duplicate rows\n<\/span>print<\/span> (duplicateRows)\n\n\tteam points assists\n1 to 10 5\n2 to 12 7\n3 to 12 9\n5 B 17 9\n6 B 20 6\n7 B 20 6\n<\/span><\/span><\/strong><\/pre>\n Risorse addizionali<\/strong><\/span><\/h3>\n
Come rimuovere le colonne duplicate in Pandas<\/a>
Come selezionare le colonne per indice in Pandas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"