在 Pandas dataframe 上使用 `drop_duplicates` 不會刪除行

Question

情況

我有類似於下面的 dataframe（盡管我已經刪除了這個例子中的許多行，如“索引”列所示）：

df

指數	ID	名稱	最近更新時間
0	1518	制作者	2022-12-31T03:02:00.000Z
1個	1518	制作者	2022-12-31T02:02:00.000Z
2個	1518	制作者	2022-12-31T14:02:00.000Z
3個	1518	制作者	2022-12-31T16:02:00.000Z
23	1518	制作者	2022-12-31T17:02:00.000Z
24	2280	文件幣	2022-12-31T01:02:00.000Z
25	2280	文件幣	2022-12-31T03:01:00.000Z
26	2280	文件幣	2022-12-31T02:01:00.000Z
27	2280	文件幣	2022-12-31T00:02:00.000Z
47	2280	文件幣	2022-12-31T08:02:00.000Z
48歲	4558	流	2022-12-31T01:02:00.000Z
49	4558	流	2022-12-31T02:01:00.000Z
71	4558	流	2022-12-31T05:02:00.000Z
72	5026	蘭花	2022-12-31T01:02:00.000Z
73	5026	蘭花	2022-12-31T03:02:00.000Z
74	5026	蘭花	2022-12-31T02:01:00.000Z
75	5026	蘭花	2022-12-31T00:02:00.000Z

我想要上面 dataframe 的一個版本，但每個id參數只有 1 行。 保留最后一例。

這是我的代碼：

df.drop_duplicates(subset=['id'], keep='last')

期待

新的 df 將只保留 4 行，即 dataframe df中每個“id”值的“最后”實例。

結果

運行drop_duplicates命令后， df返回完全相同的 dataframe。與我嘗試drop_duplicates之前的形狀相同。

我一直在嘗試使用這篇文章來解決這個問題，但我發現有些事情我沒有做對：

pandas select 行沒有重復

對於為什么不刪除具有重復“id”值的行的最后一個實例的任何輸入，我將不勝感激。

Answer 1

您應該添加df.drop_duplicates(subset=['id'], keep='last', inplace=True) 。 如果您不這樣做，則只會返回一份副本。 通過指定 inplace=True，修改 dataframe。

請參閱文檔： https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.drop_duplicates.html

希望這可以幫助！

Answer 2

重新分配變量：

str = """
index   id  name    last_updated
0   1518    Maker   2022-12-31T03:02:00.000Z
1   1518    Maker   2022-12-31T02:02:00.000Z
2   1518    Maker   2022-12-31T14:02:00.000Z
3   1518    Maker   2022-12-31T16:02:00.000Z
23  1518    Maker   2022-12-31T17:02:00.000Z
24  2280    Filecoin    2022-12-31T01:02:00.000Z
25  2280    Filecoin    2022-12-31T03:01:00.000Z
26  2280    Filecoin    2022-12-31T02:01:00.000Z
27  2280    Filecoin    2022-12-31T00:02:00.000Z
47  2280    Filecoin    2022-12-31T08:02:00.000Z
48  4558    Flow    2022-12-31T01:02:00.000Z
49  4558    Flow    2022-12-31T02:01:00.000Z
71  4558    Flow    2022-12-31T05:02:00.000Z
72  5026    Orchid  2022-12-31T01:02:00.000Z
73  5026    Orchid  2022-12-31T03:02:00.000Z
74  5026    Orchid  2022-12-31T02:01:00.000Z
75  5026    Orchid  2022-12-31T00:02:00.000Z
"""

csvStringIO = StringIO(str)
df = pd.read_csv(csvStringIO, sep="\t")
df = df.drop_duplicates(subset=['id'], keep='last')
print(df) # 4 rows

或者inplace設置為True ：

df.drop_duplicates(subset=['id'], keep='last', inplace=True)
print(df) # 4 rows