简介

本文将介绍pandas的几个实用操作——去重、替换和重命名索引。

去除重复数据

在DataFrame中经常会碰到重复行数据，比如：

使用duplicated()方法能够返回一个布尔型Series：

默认是对所有列进行重复判断，False表示不重复，True表示重复。如果要去除重复行可以使用drop_duplicates()方法：

可以看出不加任何参数的话，是对所有列进行重复判断，也可以指定判断的列：

这里根据'n1'列进行重复判断，只保留了第一个出现的不重复的值。我们也可以通过keep参数控制重复值：

替换数据

在前面我们已经介绍了缺失值的替换，这里介绍通过replace()方法进行更普遍的替换。

假设有一个数据：

我们想要替换缺失值，可以这样处理：

只需要传入待替换值和替换值，我们也可以一次性替换多个数据：

如果针对不同的值替换不同的值有两种方式可以实现：

在DataFrame中使用的方式相同：

可以替换DataFrame中的数据，或者替换指定列中的数据，使用inplace参数可以对原数据对象进行修改。

重命名索引

首先介绍set_axis()方法重命名索引，例如：

可见这种方式是对原数据对象进行修改，在DataFrame中也是如此：

set_axis()方法是强制修改原数据对象，使用起来不够灵活。接下来要讲更适用的方法rename()：

可以看出rename()方法可以传入一个字典，指定修改的轴索引。而且这个方法也有inplace参数可以决定是否修改原数据对象：

总结

本文介绍了pandas数据处理中的去重、替换和重命名索引操作。记住一点：操作的方法有很多，关键是要掌握不同方法的优劣，用适合自己的方式去处理数据。