我正在尝试通过组合2个可能有重复行的CSV文件来更新温度时间序列。
我试图实施drop_duplicates
,但这对我不起作用。
以下是我正在尝试做的一个例子:
import pandas as pd
import numpy as np
from pandas import DataFrame, Series
dfA = DataFrame({'date' : Series(['1/1/10','1/2/10','1/3/10','1/4/10'], index=[0,1,2,3]),
'a' : Series([60,57,56,50], index=[0,1,2,3]),
'b' : Series([80,73,76,56], index=[0,1,2,3])})
print("dfA")
print(dfA)
dfB = DataFrame({'date' : Series(['1/3/10','1/4/10','1/5/10','1/6/10'], index=[0,1,2,3]),
'a' : Series([56,50,59,75], index=[0,1,2,3]),
'b' : Series([76,56,73,89], index=[0,1,2,3])})
print("dfB")
print(dfB)
dfC = dfA.append(dfB)
print(dfC.duplicated())
dfC.drop_duplicates()
print("dfC")
print(dfC)
这是输出:
dfA
a b date
0 60 80 1/1/10
1 57 73 1/2/10
2 56 76 1/3/10
3 50 56 1/4/10
dfB
a b date
0 56 76 1/3/10
1 50 56 1/4/10
2 59 73 1/5/10
3 75 89 1/6/10
0 False
1 False
2 False
3 False
0 True
1 True
2 False
3 False
dtype: bool
dfC
a b date
0 60 80 1/1/10
1 57 73 1/2/10
2 56 76 1/3/10
3 50 56 1/4/10
0 56 76 1/3/10
1 50 56 1/4/10
2 59 73 1/5/10
3 75 89 1/6/10
如何使用重叠数据更新时间序列并且没有重复项?
答案 0 :(得分:1)
行dfC.drop_duplicates()
实际上并未更改dfC
绑定的DataFrame(它只返回没有重复行的副本)。
您可以通过传入dfC
关键字参数
inplace
已在适当位置进行修改
dfC.drop_duplicates(inplace=True)
或将重复数据删除的DataFrame的视图重新绑定到名称dfC
,如下所示
dfC = dfC.drop_duplicates()