删除具有重复列的行pandas dataframe（Python）

Question

我有一个csv，我用pandas读取并创建了一个数据帧。 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

现在我想删除数据框中具有重复标题的所有行，并使用如下数据框：

description     title
lorem ipsum       A
dolor sit amet    C
amet sit dolor    B

我找到了一个解决方案，说使用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，它确实删除了重复项。即使做df.shape也告诉我同样的事情。但是当我打印或迭代它似乎不起作用。事实上甚至特定列的打印长度给了我967.例如：print len(df['title'])给了我967。只是数据帧索引编号相同吗？或者它真的还有1034行？ 可能是什么问题？

我附上了我的代码：

df = pd.read_csv('latestdata.csv', sep='\t')
df.drop_duplicates('title', inplace=True)
print df

Answer 1

drop duplicates工作正常。你的代码很好。以下是关于发生了什么的解释。当您创建pandas数据帧并且未指定索引时，pandas会对其自身的行进行索引，这是一个简单的递增整数值。

删除重复项时，将删除所有重复的索引。如果要重置索引，请执行以下操作：

df.reset_index(inplace=True)

您的数据框将被重新编入索引，当您打印df时，您将看到最后一个索引为967。