我有一个 csv，我使用 pandas 读取它并创建了一个数据框。 数据框如下所示:
description title
lorem ipsum A
ipsum lorem A
dolor sit amet C
amet sit dolor B
它有 1034 行和 2 列
现在我想从数据框中删除所有具有重复标题的行，并使数据框如下所示:
description title
lorem ipsum A
dolor sit amet C
amet sit dolor B
我找到了一个解决方案，它说要使用 drop_duplicates() 删除重复项。在我的场景中，我做了:
df.drop_duplicates('title', inplace = True)
当我 print df 时，它仍然显示 1034 行，但最后它显示 [967 x 2]，这意味着它有 967 行并且确实删除了重复项。即使做 df.shape 也会告诉我同样的事情。但是当我打印或迭代时，它似乎不起作用。事实上，即使特定列的打印长度也给我 967。示例:print len(df['title']) 给我 967。只是数据帧索引的编号相同吗？或者它真的还有 1034 行？ 可能是什么问题？
我附上我的代码:
df = pd.read_csv('latestdata.csv', sep='\t')
df.drop_duplicates('title', inplace=True)
print df
请您参考如下方法:
删除重复项工作正常。你的代码很好。这是对正在发生的事情的解释。当您创建 pandas dataframe 且未指定 index 时，pandas 会自行为行编制索引，这是一个简单的递增整数值。
当您删除重复项时，所有重复的索引都会被删除。如果您想重置索引，请执行以下操作:
df.reset_index(inplace=True)
你的数据帧将被重新索引，当你打印你的 df 时你会看到最后一个索引是 967。
