Python 熊猫丢弃“U重复项（）；保留；参数给出了非常不同的答案-它是如何工作的？

我有一个参加奥运会运动员的CSV数据集

这些特征包括：身份证、姓名、性别、年龄、游戏、年份、运动

我需要找到：

男性篮球运动员在所有男性运动员中所占的百分比是多少 2012年奥运会的参与者？把答案四舍五入到第一题 十进制

一个运动员可以参加各种形式的比赛，所以有重复的

我使用不带“keep”参数的代码进行查询：

    males_2012 = data[   (data['Sex']=='M') & (data['Year']==2012)].drop_duplicates(subset=['ID',],inplace=False)
    len(males_2012) # gives 5863 

但是，如果我使用“keep=False”进行查询，它会给我提供更小的数据集：

官方drop重复了参数“keep”的解释：

保留：{'first'，'last'，False}，默认的'first'first:Drop

除第一次出现外，重复项。最后：删除重复项

除了最后一次。False：删除所有重复项

---

我找到了正确的答案，但是我仍然不明白为什么它根据“keep=False”参数给出了非常不同的答案。

keep定义了要保留的重复值

1） First指定保留第一个重复值并删除其余值

2） Last指定保留最后一个重复值并删除其余值

3） False指定删除所有重复项

举个例子：

df = pd.DataFrame({'A': [1,1,1,1]})

print(df.drop_duplicates(keep='first'))
print(df.drop_duplicates(keep='last'))
print(df.drop_duplicates(keep=False))

这些产出是：

   A
0  1
   A
3  1
Empty DataFrame
Columns: [A]
Index: []

---

我们可以在第一个df中看到，元素保留在索引0处，因此它是第一个元素。第二个df的索引为3，因此它是最后一个元素。最后一个df没有数据，因为整个列都是重复的，所以全部被删除。

您的问题不清楚。什么曲子让你困惑？如果不传入参数，则默认情况下保留第一条记录。如果传入

False

，则它不会保留任何记录。计数的差异应该是这两个数字之间的差异。不是这样吗？

keep=False

删除所有重复项。例如，如果您有两行具有相同的值，

keep=False

将同时删除这两行，而其他两个选项将保留一个.ohh，因此如果我有3个ID且keep=False，它将删除所有3行，并且在数据集中不保留任何内容？复制我的数据集，只需添加具有重复值的列

B

和

C

，然后尝试一下：P

   A
0  1
   A
3  1
Empty DataFrame
Columns: [A]
Index: []