DataFrame数据去重：删除重复的行数据

在Python的Pandas库中，DataFrame是一个二维标签化数据结构，常用于数据处理和分析。有时候，DataFrame中可能会出现重复的行数据，这时就需要进行去重操作。本文将介绍如何使用Pandas进行DataFrame数据去重，删除重复的行数据。
在进行去重之前，首先需要导入Pandas库并创建一个DataFrame。假设我们有一个包含以下数据的DataFrame：

import pandas as pd
data = {
'Name': ['Alice', 'Bob', 'Charlie', 'Alice', 'Bob'],
'Age': [25, 30, 35, 25, 30],
'City': ['New York', 'San Francisco', 'Los Angeles', 'New York', 'San Francisco']
}
df = pd.DataFrame(data)
print(df)

输出结果如下：

css `Name  Age         City
0   Alice   25     New York
1     Bob   30  San Francisco
2  Charlie   35    Los Angeles
3   Alice   25     New York
4     Bob   30  San Francisco

可以看到，这个DataFrame中存在重复的行数据。接下来，我们将介绍两种方法来删除这些重复的行数据。
方法一：使用drop_duplicates()函数
drop_duplicates()函数可以删除DataFrame中重复的行数据。默认情况下，它会删除所有列都相同的重复行。如果只想删除某些列相同的重复行，可以指定subset参数。下面是一个示例：

df.drop_duplicates(inplace=True)
print(df)

输出结果如下：

css `Name  Age         City
0   Alice   25     New York
1     Bob   30  San Francisco
2  Charlie   35    Los Angeles

可以看到，使用drop_duplicates()函数后，重复的行数据已经被删除。请注意，inplace=True表示在原始DataFrame上进行修改，而不是返回一个新的DataFrame。
方法二：使用布尔索引进行过滤
另一种方法是使用布尔索引进行过滤。首先，使用duplicated()函数找到重复的行，然后使用~运算符将其取反，最后使用loc参数选择不重复的行。下面是一个示例：

df = df.loc[~df.duplicated()]
print(df)

输出结果与上面相同：

css `Name  Age         City
0   Alice   25     New York
1     Bob   30  San Francisco
2  Charlie   35    Los Angeles\n