Python查重函数,python查重程序

Python 去重，统计，lambda函数

df.drop_duplicates('item_name')

方法一：

df.drop_duplicates('item_name').count()

方法二：

df['item_name'].nunique()

结果：50

附：nunique()和unique()的区别：

unique()是以 数组形式（numpy.ndarray）返回列的所有唯一值（特征的所有唯一值）

nunique()即返回的是唯一值的个数

比如：df['item_name'].unique()

要求：将下表中经验列将按周统计的转换为经验不限，保留学历

df1['经验'] = df1['经验'].apply(lambda x: '经验不限'+ x[-2:] if '周' in x else x)

#解释：将‘5天/周6个月’变成‘经验不限’，然后保留学历‘本科’

方法二：定义函数

  def dataInterval(ss):

    if '周' in ss:

        return '经验不限'+ ss[-2:]

    return ss

 df1['经验'] = df1['经验'].apply(dataInterval)

相关问答

Q1: python代码查重原理

a=['python',1,2,3,1,6,'a','a',3,3,3,'a','python','3','8']

b=list(set(a))

cf=[]

for i in b:

cf.append(a.count(b))

for i in range(len(b)):

print(b[i],'一共有',cf[i],'个',sep='')

Q2: python3检查列表、元组、字符串中的重复元素

人与人相处多一些真诚，少一些套路，不要把别人当傻子，只是别人不想和你计较罢了。

上一篇： python3比较版本号方法封装

下一篇： configobj读写.ini配置文件方法封装

下面封装的方法是用于检查列表、元组、字符串中是否有重复元素，only_show_repeat方法返回一个只有重复元素的列表，show_repeat_count方法返回一个以重复元素为key，重复次数为value的字典，相当于查重。内有注释自己看吧。

如果感觉本文对您有帮助可以点个赞哦

本文仅供交流学习，请勿用于非法途径

仅是个人意见，如有想法，欢迎留言

Q3: 如何找出 python list 中有重复的项

可以对第二个list的元素进行遍历，检查是否出现在第二个list当中，如果使用表理解，可以使用一行代码完成任务。

list1 = [1,2,3,4,5]

list2 = [4,5,6,7,8]

print [l for l in list1 if l in list2]

# [4,5]

如果每一个列表中均没有重复的元素，那么还有另外一种更好的办法。首先把两个list转换成set，然后对两个set取交集，即可得到两个list的重复元素。

set1 = set(list1)

set2 = set(list2)

print set1 set 2

# {4,5}

Q4: Python。重复元素判定。编写一个函数，接受列表作为参数

代码如下：

def func1(num_list):

if len(num_list) != len(set(num_list)):

return True

else:

return False

if __name__ == '__main__':

num_list = [[1, 2, 3, 4], [6, 7, 8], [4, 5, 6, 6, 6]]

for one_list in num_list:

print(func1(one_list))

运行结果：

扩展资料

python对列表去重的几种方式：

1、直观方法，先建立一个新的空列表，通过遍历原来的列表，再利用逻辑关系not in 来去重。总结：这样可以做出来，但是过程不够简单。但是此方法保证了列表的顺序性。

2、利用set的自动去重功能，将列表转化为集合再转化为列表，利用集合的自动去重功能。简单快速。缺点是：使用set方法无法保证去重后的顺序。

参考资料：python官网-Doc语法文档

Q5: python用drop_duplicates()函数保留数据集的重复行

       前两天处理数据的时候，需要得到两个数据的交集数据，所以要去除数据中非重复部分，只保留数据中的重复部分。

       网上看了一下大家的教程，大部分都是教去除重复行，很少有说到仅保留重复行的。所以在这里用drop_duplicates这个去重函数来实现这个功能。

drop_duplicates函数介绍 ：

data.drop_duplicates(subset=[‘A’,‘B’],keep=‘first’,inplace=True)

#subset对应的值是列名，表示只考虑这两列，将这两列对应值相同的行进行去重。

默认值为subset=None表示考虑所有列。

keep='first’表示保留第一次出现的重复行，是默认值。

keep另外两个取值为"last"和False，分别表示保留最后一次出现的重复行和去除所有重复行。

inplace=True表示直接在原来的DataFrame上删除重复项，而默认值False表示生成一个副本。

要用函数取得数据集data中的重复列，分三个步骤 ：

（提前导入pandas模块）

data0_1 = data.drop_duplicates() #保留第一个重复行

data0_2 = data.drop_duplicates(keep=False) #去除所有重复行

data0_3=pd.concat([data0_1,data0_2]).drop_duplicates(keep=False)

#合并起来再去重，只剩下真的重复行。

举例：data中wangwu行和tony行重复，需要把它们两行取出。

第一步：#保留第一个重复行

第二步：#去除所有重复行

第三步：#合并起来再去重

通过以上步骤实现取出数据中的重复行。