Pandas标记删除重复记录的方法

Pandas中标记删除重复记录的方法主要是通过drop_duplicates函数来实现，该函数可以去除DataFrame对象中的重复行，有以下几个常用参数：

• subset: 指定需要检查重复值的列。
• keep: 取值可为 first, last, False，表示在去除重复值时保留哪一个（第一个，最后一个或全删除）。
• inplace: 取值可为 True 或 False，表示是否在原DataFrame上进行修改，当 inplace=True 时，返回 None，否则将返回一个新的 DataFrame。

示例代码如下所示：

import pandas as pd

# 模拟数据
df = pd.DataFrame({
    '城市': ['北京', '上海', '北京', '广州', '上海', '深圳'],
    '销售额': [1000, 2000, 1000, 3000, 2000, 4000]
})

# 标记删除重复记录
df.drop_duplicates(subset=['城市'], keep='first', inplace=True)

# 输出结果
print(df)

输出如下：

   城市  销售额
0  北京  1000
1  上海  2000
3  广州  3000
5  深圳  4000

下面是另一个示例，该示例中只保留销售额最高的记录：

import pandas as pd

# 模拟数据
df = pd.DataFrame({
    '城市': ['北京', '上海', '北京', '广州', '上海', '深圳'],
    '销售额': [1000, 2000, 1000, 3000, 2000, 4000]
})

# 标记删除重复记录
df.drop_duplicates(subset=['城市'], keep='last', inplace=True)

# 输出结果
print(df)

输出如下：

   城市  销售额
2  北京  1000
4  上海  2000
3  广州  3000
5  深圳  4000

这两个示例展示了 drop_duplicates 函数的不同方式，可以根据实际情况选取适合的参数进行操作。