Pandas 重复值统计
Pandas 重复值统计
在本文中，我们将介绍如何使用Pandas在DataFrame中统计重复值。
阅读更多：Pandas 教程
检查重复值
我们可以使用duplicated()函数来检查DataFrame中的重复值。该函数将返回一个布尔型数组，表示DataFrame中每个元素是否重复出现。例如，我们有一个读取自CSV的DataFrame：
import pandas as pd
df = pd.read_csv('data.csv')
print(df)
输出：
Name Age
0 Bob 23
1 Tom 28
2 Jack 23
3 Bob 23
4 Bob 28
我们可以使用duplicated()函数来检查每个元素是否重复：
print(df.duplicated())
输出：
0 False
1 False
2 False
3 True
4 False
dtype: bool
在这个例子中，第4个元素是一个重复值。我们可以在DataFrame中使用drop_duplicates()函数来删除重复值：
df = df.drop_duplicates()
print(df)
输出：
Name Age
0 Bob 23
1 Tom 28
2 Jack 23
4 Bob 28
现在，我们的DataFrame中只剩下4个唯一的值。
统计重复值
我们可以使用value_counts()函数来统计重复值的数量。该函数将返回一个Pandas Series对象，其中包含每个唯一值出现的次数。例如，我们可以对上述DataFrame中的Name列进行统计：
print(df['Name'].value_counts())
输出：
Bob 2
Jack 1
Tom 1
Name: Name, dtype: int64
在这个例子中，Bob出现了两次，Jack和Tom各出现了一次。
统计重复值的比例
我们可以使用value_counts()函数和normalize=True参数来计算重复值出现的比例。例如，我们可以对上述DataFrame中的Age列进行统计：
print(df['Age'].value_counts(normalize=True))
输出：
23 0.5
28 0.5
Name: Age, dtype: float64
在这个例子中，23和28等比例出现。
总结
本文介绍了在Pandas中统计DataFrame中重复值的方法，包括检查重复值、删除重复值、统计重复值和统计重复值的比例。这些功能可以帮助我们更好地分析和理解数据。