我不确定是什么问题，但是在执行SQL join语句之后，然后使用所有数据创建了一个数据框。我最终得到的是一个具有重复项的数据框。然后，我应用了df.drop_duplicates()，但是我的数据框根本不接受它，并且得到了相同的结果。这是我正在使用的dtypes的列表。可能与此有关吗？
session id int64
screens int64
format object
printer beacon object
printed pages float64
instant ink object
printer object
connection type object
flow object
app id object
new visits float64
hits int64
seconds int64
browser version object
os version object
device object
resolution object
country object
dtype: object
这是我的结果表的一个示例：如您所见，前三行是dups。
df.drop_duplicates()
Out[34]:
session id screens format printer beacon printed pages \
106038 9222306967988147151 36 pdf Success 0.0
106026 9222306967988147151 36 pdf Success 0.0
96108 9222306967988147151 36 pdf Success 0.0
288841 9221900072932373084 19 0 Success 0.0
270720 9221453439142959638 17 0 Success 0.0
请帮忙，因为我不确定该怎么做：（
答案 0 :(得分：0)
默认情况下，Axios.interceptors.request.use(function (config) {
// spinning start to show
// UPDATE: Add this code to show global loading indicator
document.body.classList.add('loading-indicator');
const token = window.localStorage.token;
if (token) {
config.headers.Authorization = `token ${token}`
}
return config
}, function (error) {
return Promise.reject(error);
});
Axios.interceptors.response.use(function (response) {
// spinning hide
// UPDATE: Add this code to hide global loading indicator
document.body.classList.remove('loading-indicator');
return response;
}, function (error) {
return Promise.reject(error);
});
在this.form.valueChanges // <---- get fires when any field inside your form is changed
中应该为df.drop_duplicates(inplace=True)为假。使用inplace将覆盖您的原始数据帧。
https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.drop_duplicates.html