Python “数据帧”将删除多行

我有一个有很多tweet的数据帧，我想删除重复的tweet。tweets存储在fh1.df['tweets']中。我计算不重复的数量。j重复的数量。在else语句中，我删除了重复的行。在“如果我做一个新的列表”tweetChecklist中，我把所有好的推文都放进去了

好吧，如果我做I+j，我会变成原始推文的数量。那很好。但在else中，我不知道为什么，他删除了很多行，因为在for循环（1/10）之后，我的数据帧的形状要小得多

“fh1.df=fh1.df[fh1.df.Tweets！=current_tweet]是如何实现的 “行删除到多行

tweetChecklist = []
for current_tweet in fh1.df['Tweets']:
    if current_tweet not in tweetChecklist:
        i = i + 1
        tweetChecklist.append(current_tweet)
    else:
        j = j + 1
        fh1.df = fh1.df[fh1.df.Tweets != current_tweet]

fh1.df['Tweets'] = pd.Series(tweetChecklist)

注 Graipher的解决方案告诉您如何生成唯一的数据帧。我的答案告诉您当前操作删除太多行的原因（根据您的问题）

尾注 当您输入“else”语句删除重复的tweet时，您正在删除包含指定tweet的所有行。让我们演示一下：

import numpy as np
import pandas as pd

df = pd.DataFrame(data=np.random.randint(0, 10, (10, 5)), columns=list('ABCDE'))

这意味着什么：

Out[118]: 
   A  B  C  D  E
0  2  7  0  5  4
1  2  8  8  3  7
2  9  7  4  6  2
3  9  7  7  9  2
4  6  5  7  6  8
5  8  8  7  6  7
6  6  1  4  5  3
7  1  4  7  8  7
8  3  2  5  8  5
9  5  8  9  2  4

在您的方法中（假设您希望从“A”而不是“Tweets”中删除重复项），您将得到（即，只有非唯一的行）

如果您只是想让它变得独特，请实现Graipher的建议。如果要计算有多少个副本，可以执行以下操作：

total = df.shape[0]
duplicates = total - df.A.unique().size

注 Graipher的解决方案告诉您如何生成唯一的数据帧。我的答案告诉您当前操作删除太多行的原因（根据您的问题）

尾注 当您输入“else”语句删除重复的tweet时，您正在删除包含指定tweet的所有行。让我们演示一下：

import numpy as np
import pandas as pd

df = pd.DataFrame(data=np.random.randint(0, 10, (10, 5)), columns=list('ABCDE'))

这意味着什么：

Out[118]: 
   A  B  C  D  E
0  2  7  0  5  4
1  2  8  8  3  7
2  9  7  4  6  2
3  9  7  7  9  2
4  6  5  7  6  8
5  8  8  7  6  7
6  6  1  4  5  3
7  1  4  7  8  7
8  3  2  5  8  5
9  5  8  9  2  4

在您的方法中（假设您希望从“A”而不是“Tweets”中删除重复项），您将得到（即，只有非唯一的行）

如果您只是想让它变得独特，请实现Graipher的建议。如果要计算有多少个副本，可以执行以下操作：

total = df.shape[0]
duplicates = total - df.A.unique().size

---

在

for

循环中，通常有一种比使用

for

循环遍历数据帧更好的方法

在这种情况下，您真正想要的是将相等的tweet分组在一起，只保留第一条。这可以通过以下方式实现：

更好的是，甚至有一个明确的函数，其速度大约是原来的两倍：

df.drop_duplicates(subset="Tweets", keep="first")

---

在

for

循环中，通常有一种比使用

for

循环遍历数据帧更好的方法

在这种情况下，您真正想要的是将相等的tweet分组在一起，只保留第一条。这可以通过以下方式实现：

更好的是，甚至有一个明确的函数，其速度大约是原来的两倍：

df.drop_duplicates(subset="Tweets", keep="first")

---

只需使用

fh1.df=fh1.df.groupby（“Tweets”，as_index=False）？感谢您的回答：）每一条独特的推文都需要一条最先出现的推文。那么你到底想用这段代码实现什么呢？是的，它是有效的！非常感谢。我会把它写下来作为一个答案。只需使用
fh1.df=fh1.df.groupby（“Tweets”，as_index=False）。首先（）
？@Graipher这句话做什么？感谢您的回答：）每一条独特的推文都需要一条最先出现的推文。那么你到底想用这段代码实现什么呢？是的，它是有效的！非常感谢。我会把它写下来作为一个答案。所以当有重复的时候，它会删除两行。我怎么能保留一行呢？Graipher的解决方案将保留其中一行。在原始代码中，您删除了两行。Graipher的解决方案不仅能满足您的需求，而且比您的原始代码快几个数量级。因此，当出现重复时，它会同时删除两行。我怎么能保留一行呢？Graipher的解决方案将保留其中一行。在原始代码中，您删除了两行。Graipher的解决方案不仅能满足您的需求，而且比您的原始代码快几个数量级。