Hoe duplicaten in panda's te tellen: met voorbeelden

U kunt de volgende methoden gebruiken om duplicaten in een Panda DataFrame te tellen:

Methode 1: Tel dubbele waarden in een kolom

 len (df[' my_column ']) - len (df[' my_column ']. drop_duplicates ())

Methode 2: Tel dubbele rijen

 len (df) -len ( df.drop_duplicates ())

Methode 3: Tel duplicaten voor elke unieke rij

 df. groupby ( df.columns.tolist (), as_index= False ) . size ()

De volgende voorbeelden laten zien hoe u elke methode in de praktijk kunt gebruiken met de volgende panda’s DataFrame:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],
                   ' position ': ['G', 'G', 'G', 'F', 'G', 'G', 'F', 'F'],
                   ' points ': [5, 5, 8, 10, 5, 7, 10, 10]})

#view DataFrame
print (df)

  team position points
0 AG 5
1 GA 5
2 AG 8
3 AF 10
4 BG 5
5 BG 7
6 BF 10
7 BF 10

Voorbeeld 1: Tel dubbele waarden in een kolom

De volgende code laat zien hoe u het aantal dubbele waarden in de puntenkolom telt:

 #count duplicate values in points column
len (df[' points '])- len (df[' points ']. drop_duplicates ())

4

We kunnen zien dat er 4 dubbele waarden in de puntenkolom staan.

Voorbeeld 2: Tel dubbele rijen

De volgende code laat zien hoe u het aantal dubbele rijen in het DataFrame telt:

 #count number of duplicate rows
len (df) -len ( df.drop_duplicates ())

2

We kunnen zien dat er twee dubbele rijen in het DataFrame zijn.

We kunnen de volgende syntaxis gebruiken om deze 2 dubbele regels weer te geven:

 #display duplicated rows
df[df. duplicated ()]

        team position points
1 A G 5
7 B F 10

Voorbeeld 3: Tel duplicaten voor elke unieke rij

De volgende code laat zien hoe u het aantal duplicaten voor elke unieke rij in het DataFrame telt:

 #display number of duplicates for each unique row
df. groupby ( df.columns.tolist (), as_index= False ) . size ()

        team position points size
0 A F 10 1
1 A G 5 2
2 A G 8 1
3 B F 10 2
4 B G 5 1
5 B G 7 1

In de kolom Grootte wordt het aantal duplicaten voor elke unieke rij weergegeven.

Aanvullende bronnen

In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende bewerkingen in panda’s kunt uitvoeren:

Hoe dubbele rijen in Panda’s te verwijderen
Hoe dubbele kolommen in Pandas te verwijderen
Hoe u kolommen op index selecteert in Pandas