Pandasのメソッド説明　drop_duplicates

2023年9月14日

Pandasのdrop_duplicatesメソッドは、データフレーム内の重複した行を削除するためのメソッドです。このメソッドを使用することで、データフレーム内で重複した行を特定し、それらを削除することができます。以下は、DataFrame.drop_duplicatesメソッドの一般的な使い方と主要なパラメータの説明です。

基本的な使用法:

python
import pandas as pd

# サンプルデータフレームを作成
data = {'Name': ['Alice', 'Bob', 'Alice', 'Charlie', 'Bob'],
        'Age': [25, 30, 25, 35, 30]}
df = pd.DataFrame(data)

# 重複した行を削除
df_no_duplicates = df.drop_duplicates()

# 重複が削除された新しいデータフレームを表示
print("DataFrame without duplicates:")
print(df_no_duplicates)

この例では、drop_duplicatesメソッドを使用して、データフレームdf内の重複した行を特定し、それらの行を削除しています。結果として得られるデータフレームdf_no_duplicatesには、重複した行が削除されています。

特定の列を対象にする:

デフォルトでは、drop_duplicatesメソッドはすべての列を考慮して重複を検出しますが、特定の列を対象にすることもできます。subsetパラメータを使用して、特定の列（または複数の列）を指定します。

python
# 'Name'列を対象にして重複を削除
df_no_duplicates_name = df.drop_duplicates(subset='Name')

# 'Name'列を対象にして重複が削除された新しいデータフレームを表示
print("DataFrame without duplicates based on 'Name' column:")
print(df_no_duplicates_name)

この例では、’Name’列を対象にして重複を削除し、新しいデータフレームdf_no_duplicates_nameを作成しています。

DataFrame.drop_duplicatesメソッドは、データクレンジングやデータ品質の向上に役立ちます。データセット内の重複行を特定し、削除することで、データの整理と分析の品質向上を実現できます。