<\/p>\n
Naj\u0142atwiejszym sposobem usuni\u0119cia zduplikowanych wierszy w ramce DataFrame pand jest u\u017cycie funkcji drop_duplicates()<\/a> , kt\u00f3ra wykorzystuje nast\u0119puj\u0105c\u0105 sk\u0142adni\u0119:<\/span><\/p>\n df.drop_duplicates(subset=Brak, keep=’pierwszy’, inplace=False)<\/strong><\/span><\/p>\n Z\u0142oto:<\/span><\/p>\n W tym samouczku przedstawiono kilka przyk\u0142ad\u00f3w praktycznego wykorzystania tej funkcji w nast\u0119puj\u0105cej ramce DataFrame:<\/span><\/p>\n Poni\u017cszy kod pokazuje, jak usun\u0105\u0107 wiersze ze zduplikowanymi warto\u015bciami we wszystkich<\/em> kolumnach:<\/span><\/p>\n Domy\u015blnie funkcja drop_duplicates() usuwa wszystkie duplikaty z wyj\u0105tkiem pierwszego.<\/span><\/p>\n Mo\u017cemy jednak u\u017cy\u0107 argumentu keep=False,<\/strong> aby ca\u0142kowicie usun\u0105\u0107 wszystkie duplikaty:<\/span><\/p>\n Poni\u017cszy kod pokazuje jak usun\u0105\u0107 wiersze ze zduplikowanymi warto\u015bciami tylko w kolumnach oznaczonych jako zesp\u00f3\u0142<\/em> i punkty<\/em> :<\/span><\/p>\n Jak usun\u0105\u0107 zduplikowane kolumny w Pandach<\/a> Naj\u0142atwiejszym sposobem usuni\u0119cia zduplikowanych wierszy w ramce DataFrame pand jest u\u017cycie funkcji drop_duplicates() , kt\u00f3ra wykorzystuje nast\u0119puj\u0105c\u0105 sk\u0142adni\u0119: df.drop_duplicates(subset=Brak, keep=’pierwszy’, inplace=False) Z\u0142oto: podzbi\u00f3r: kt\u00f3re kolumny nale\u017cy wzi\u0105\u0107 pod uwag\u0119, aby zidentyfikowa\u0107 duplikaty. Warto\u015b\u0107 domy\u015blna to wszystkie kolumny. keep: Okre\u015bla, kt\u00f3re duplikaty (je\u015bli w og\u00f3le) maj\u0105 zosta\u0107 zachowane. pierwszy: Usu\u0144 wszystkie zduplikowane linie z wyj\u0105tkiem pierwszej. […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-1300","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n\n
\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({'team': ['a', 'b', 'b', 'c', 'c', 'd'],\n 'points': [3, 7, 7, 8, 8, 9],\n 'assists': [8, 6, 7, 9, 9, 3]})\n\n#display DataFrame\n<\/span>print<\/span> (df)\n\n team points assists\n0 to 3 8\n1 b 7 6\n2 b 7 7\n3 c 8 9\n4 c 8 9\n5 d 9 3<\/strong><\/pre>\n Przyk\u0142ad 1: Usu\u0144 duplikaty we wszystkich kolumnach<\/strong><\/span><\/h3>\n
df. drop_duplicates<\/span> ()\n\n team points assists\n0 to 3 8\n1 b 7 6\n2 b 7 7\n3 c 8 9\n5 d 9 3\n<\/strong><\/pre>\n df. drop_duplicates<\/span> (keep= False<\/span> )\n\n\tteam points assists\n0 to 3 8\n1 b 7 6\n2 b 7 7\n5 d 9 3\n<\/strong><\/pre>\n Przyk\u0142ad 2:<\/strong><\/span> Usu\u0144 duplikaty w okre\u015blonych kolumnach<\/strong><\/span><\/h3>\n
df. drop_duplicates<\/span> (subset=[' team<\/span> ', ' points<\/span> '])\n\n team points assists\n0 to 3 8\n1 b 7 6\n3 c 8 9\n5 d 9 3\n<\/strong><\/pre>\n Dodatkowe zasoby<\/strong><\/span><\/h3>\n
Jak sortowa\u0107 warto\u015bci w Pandas DataFrame<\/a>
Jak filtrowa\u0107 ramk\u0119 danych Pandas pod wieloma warunkami<\/a>
Jak wstawi\u0107 kolumn\u0119 do ramki danych Pandas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"