0
点赞
收藏
分享

微信扫一扫

网络爬虫&Pandas

晚熟的猫 2022-05-01 阅读 88
爬虫数据分析python

Pandas 是 Python 语言的一个扩展程序库，用于数据分析。
Pandas 是一个开放源码、BSD 许可的库，提供高性能、易于使用的数据结构和数据分析工具。

Pandas 名字衍生自术语 "panel data"（面板数据）和 "Python data analysis"（Python 数据分析）。

Pandas 一个强大的分析结构化数据的工具集，基础是 Numpy（提供高性能的矩阵运算）。

Pandas 可以从各种文件格式比如 CSV、JSON、SQL、Microsoft Excel 导入数据。

Pandas 可以对各种数据进行运算操作，比如归并、再成形、选择，还有数据清洗和数据加工特征。

学习本教程前你需要了解

在开学习 Pandas 教程之前，我们需要具备基本的 Python 基础，如果你对 Python还不了解，可以阅读我们的教程：

  • Python 2.x 版本
  • Python 3.x 版本

 

Pandas 应用

Pandas 的主要数据结构是 Series （一维数据）与 DataFrame（二维数据），这两种数据结构足以处理金融、统计、社会科学、工程等领域里的大多数典型用例。

数据结构
Series 是一种类似于一维数组的对象，它由一组数据（各种Numpy数据类型）以及一组与之相关的数据标签（即索引）组成。

DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）。DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。

Pandas安装安装
pandas需要基础环境是Python，开始前我们假定你已经安装了Python和Pip。

使用pip安装pandas: 

Microsoft Windows [版本 10.0.19043.1645]
(c) Microsoft Corporation。保留所有权利。
 
C:\WINDOWS\system32>pip install pandas
Requirement already satisfied: pandas in c:\users\1234\anaconda3\lib\site-packages (1.3.4)
Requirement already satisfied: pytz>=2017.3 in c:\users\1234\anaconda3\lib\site-packages (from pandas) (2021.3)
Requirement already satisfied: numpy>=1.17.3 in c:\users\1234\anaconda3\lib\site-packages (from pandas) (1.20.3)
Requirement already satisfied: python-dateutil>=2.7.3 in c:\users\1234\anaconda3\lib\site-packages (from pandas) (2.8.2)
Requirement already satisfied: six>=1.5 in c:\users\1234\anaconda3\lib\site-packages (from python-dateutil>=2.7.3->pandas) (1.16.0)
 
C:\WINDOWS\system32>

Pandas 数据结构 - DataFrame

DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）。DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。

 

 

 DataFrame 构造方法如下：

pandas.DataFrame( data, index, columns, dtype, copy)

参数说明：


data：一组数据(ndarray、series, map, lists, dict 等类型)。

index：索引值，或者可以称为行标签。

columns：列标签，默认为 RangeIndex (0, 1, 2, …, n) 。

dtype：数据类型。

copy：拷贝数据，默认为 False。

Pandas DataFrame 是一个二维的数组结构，类似二维数组。

实例 - 使用列表创建

import pandas as pd
 
data = [['Google',10],['Runoob',12],['Wiki',13]]
df = pd.DataFrame(data,columns=['Site','Age'],dtype=float)
print(df)

输出结果如下：

 

以下实例使用 ndarrays 创建，ndarray 的长度必须相同， 如果传递了 index，则索引的长度应等于数组的长度。如果没有传递索引，则默认情况下，索引将是range(n)，其中n是数组长度。

ndarrays 可以参考：NumPy Ndarray 对象

 实例 - 使用 ndarrays 创建

import pandas as pd
 
data = {'Site':['Google', 'Runoob', 'Wiki'], 'Age':[10, 12, 13]}
df = pd.DataFrame(data)
print (df)

输出结果如下：

 从以上输出结果可以知道， DataFrame 数据类型一个表格，包含 rows（行） 和 columns（列）：

 

还可以使用字典（key/value），其中字典的 key 为列名:

实例 - 使用字典创建

import pandas as pd
 
data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
df = pd.DataFrame(data)
print (df)

输出结果为：

  a   b     c0  1   2   NaN1  5  10  20.0

没有对应的部分数据为 NaN。

Pandas 可以使用 loc 属性返回指定行的数据，如果没有设置索引，第一行索引为 0，第二行索引为 1，以此类推：

实例

import pandas as pd
 
data = {
  "calories": [420, 380, 390],
  "duration": [50, 40, 45]
}
 
# 数据载入到 DataFrame 对象
df = pd.DataFrame(data)
 
# 返回第一行
print(df.loc[0])
# 返回第二行
print(df.loc[1])

输出结果如下：

calories    420
duration     50Name: 0, dtype: int64
calories    380
duration     40Name: 1, dtype: int64

注意：返回结果其实就是一个 Pandas Series 数据。

也可以返回多行数据，使用 [[ ... ]] 格式，... 为各行的索引，以逗号隔开：

实例

import pandas as pd
 
data = {
  "calories": [420, 380, 390],
  "duration": [50, 40, 45]
}
 
# 数据载入到 DataFrame 对象
df = pd.DataFrame(data)
 
# 返回第一行和第二行
print(df.loc[[0, 1]])

输出结果为：

calories  duration0       420        501       380        40

注意：返回结果其实就是一个 Pandas DataFrame 数据。

我们可以指定索引值，如下实例：

实例

import pandas as pd
 
data = {
  "calories": [420, 380, 390],
  "duration": [50, 40, 45]
}
 
df = pd.DataFrame(data, index = ["day1", "day2", "day3"])
 
print(df)

输出结果为：

calories  duration
day1       420        50
day2       380        40
day3       390        45

Pandas 可以使用 loc 属性返回指定索引对应到某一行：

实例

import pandas as pd
 
data = {
  "calories": [420, 380, 390],
  "duration": [50, 40, 45]
}
 
df = pd.DataFrame(data, index = ["day1", "day2", "day3"])
 
# 指定索引
print(df.loc["day2"])

输出结果为：

calories    380
duration     40Name: day2, dtype: int64

Pandas CSV 文件
CSV（Comma-Separated Values，逗号分隔值，有时也称为字符分隔值，因为分隔字符也可以不是逗号），其文件以纯文本形式存储表格数据（数字和文本）。

CSV 是一种通用的、相对简单的文件格式，被用户、商业和科学广泛应用。

Pandas 可以很方便的处理 CSV 文件，本文以 nba.csv 为例，你可以下载 nba.csv 或打开 nba.csv 查看。

实例

import pandas as pd
 
df = pd.read_csv('nba.csv')
 
print(df.to_string())

to_string() 用于返回 DataFrame 类型的数据，如果不使用该函数，则输出结果为数据的前面 5 行和末尾 5 行，中间部分以 ... 代替。

实例

import pandas as pd
 
df = pd.read_csv('nba.csv')
 
print(df)

输出结果为：

 我们也可以使用 to_csv() 方法将 DataFrame 存储为 csv 文件：

实例

import pandas as pd
   
# 三个字段 name, site, age
nme = ["Google", "Runoob", "Taobao", "Wiki"]
st = ["www.google.com", "www.runoob.com", "www.taobao.com", "www.wikipedia.org"]
ag = [90, 40, 80, 98]
   
# 字典
dict = {'name': nme, 'site': st, 'age': ag}
     
df = pd.DataFrame(dict)
 
# 保存 dataframe
df.to_csv('site.csv')

执行成功后，我们打开 site.csv 文件，显示结果如下：

 

数据处理

head()

head( n ) 方法用于读取前面的 n 行，如果不填参数 n ，默认返回 5 行。

实例 - 读取前面 5 行

 

import pandas as pd
 
df = pd.read_csv('nba.csv')
 
print(df.head())
 
 

 实例 - 读取前面 10 行
 

import pandas as pd
 
df = pd.read_csv('nba.csv')
 
print(df.head(10))
 

输出结果为：
 
 

 
 

tail()
 

tail( n ) 方法用于读取尾部的 n 行，如果不填参数 n ，默认返回 5 行，空行各个字段的值返回 NaN。
 

实例 - 读取末尾 5 行
 

import pandas as pd
 
df = pd.read_csv('nba.csv')
 
print(df.tail())
 

输出结果为：
 
 

 实例 - 读取末尾 10 行
 

import pandas as pd
 
df = pd.read_csv('nba.csv')
 
print(df.tail(10))
 
 

 
 

info()
 

info() 方法返回表格的一些基本信息：
 

实例
 

import pandas as pd
 
df = pd.read_csv('nba.csv')
 
print(df.info())
 

输出结果为：
 
 

 
 

non-null 为非空数据，我们可以看到上面的信息中，总共 458 行，College 字段的空值最多。
 

Pandas JSON
 JSON（JavaScript Object Notation，JavaScript 对象表示法），是存储和交换文本信息的语法，类似 XML。
 

JSON 比 XML 更小、更快，更易解析，更多 JSON 内容可以参考 JSON 教程。
 

Pandas 可以很方便的处理 JSON 数据，本文以 sites.json 为例，内容如下：
 

实例
 

[ { "id": "A001", "name": "菜鸟教程", "url": "www.runoob.com", "likes": 61 },
 { "id": "A002", "name": "Google", "url": "www.google.com", "likes": 124 }, 
{ "id": "A003", "name": "淘宝", "url": "www.taobao.com", "likes": 45 } ]
 

实例
 

import pandas as pd
 
df = pd.read_json('sites.json')
   
print(df.to_string())
 

to_string() 用于返回 DataFrame 类型的数据，我们也可以直接处理 JSON 字符串。
 

实例
 

import pandas as pd
 
data =[
    {
      "id": "A001",
      "name": "菜鸟教程",
      "url": "www.runoob.com",
      "likes": 61
    },
    {
      "id": "A002",
      "name": "Google",
      "url": "www.google.com",
      "likes": 124
    },
    {
      "id": "A003",
      "name": "淘宝",
      "url": "www.taobao.com",
      "likes": 45
    }
]
df = pd.DataFrame(data)
 
print(df)
 

以上实例输出结果为：
 
 

 
 

JSON 对象与 Python 字典具有相同的格式，所以我们可以直接将 Python 字典转化为 DataFrame 数据：
 

实例
 

import pandas as pd
 
 
# 字典格式的 JSON                                                                                              
s = {
    "col1":{"row1":1,"row2":2,"row3":3},
    "col2":{"row1":"x","row2":"y","row3":"z"}
}
 
# 读取 JSON 转为 DataFrame                                                                                          
df = pd.DataFrame(s)
print(df)
 

 

以上实例输出结果为：
 
 

 
 

从 URL 中读取 JSON 数据：
 

实例
 

import pandas as pd
 
URL = 'https://static.runoob.com/download/sites.json'
df = pd.read_json(URL)
print(df)
 

以上实例输出结果为：
 
 

 
 

内嵌的 JSON 数据
 

假设有一组内嵌的 JSON 数据文件 nested_list.json ：
 

nested_list.json 文件内容
 

{
    "school_name": "ABC primary school",
    "class": "Year 1",
    "students": [
    {
        "id": "A001",
        "name": "Tom",
        "math": 60,
        "physics": 66,
        "chemistry": 61
    },
    {
        "id": "A002",
        "name": "James",
        "math": 89,
        "physics": 76,
        "chemistry": 51
    },
    {
        "id": "A003",
        "name": "Jenny",
        "math": 79,
        "physics": 90,
        "chemistry": 78
    }]
}
 

使用以下代码格式化完整内容：
 

实例
 

import pandas as pd
 
df = pd.read_json('nested_list.json')
 
print(df)
 

以上实例输出结果为：
 
 

 
 

这时我们就需要使用到 json_normalize() 方法将内嵌的数据完整的解析出来：
 

实例
 

import pandas as pd
import json
 
# 使用 Python JSON 模块载入数据
with open('nested_list.json','r') as f:
    data = json.loads(f.read())
 
# 展平数据
df_nested_list = pd.json_normalize(data, record_path =['students'])
print(df_nested_list)
 

以上实例输出结果为：
 
 

 
 

data = json.loads(f.read()) 使用 Python JSON 模块载入数据。
 

json_normalize() 使用了参数 record_path 并设置为 ['students'] 用于展开内嵌的 JSON 数据 students。
 

显示结果还没有包含 school_name 和 class 元素，如果需要展示出来可以使用 meta 参数来显示这些元数据：
 

实例
 

import pandas as pd
import json
 
# 使用 Python JSON 模块载入数据
with open('nested_list.json','r') as f:
    data = json.loads(f.read())
 
# 展平数据
df_nested_list = pd.json_normalize(
    data,
    record_path =['students'],
    meta=['school_name', 'class']
)
print(df_nested_list)
 

以上实例输出结果为：
 
 

 
 

接下来，让我们尝试读取更复杂的 JSON 数据，该数据嵌套了列表和字典，数据文件 nested_mix.json 如下：
 

nested_mix.json 文件内容
 

{
    "school_name": "local primary school",
    "class": "Year 1",
    "info": {
      "president": "John Kasich",
      "address": "ABC road, London, UK",
      "contacts": {
        "email": "admin@e.com",
        "tel": "123456789"
      }
    },
    "students": [
    {
        "id": "A001",
        "name": "Tom",
        "math": 60,
        "physics": 66,
        "chemistry": 61
    },
    {
        "id": "A002",
        "name": "James",
        "math": 89,
        "physics": 76,
        "chemistry": 51
    },
    {
        "id": "A003",
        "name": "Jenny",
        "math": 79,
        "physics": 90,
        "chemistry": 78
    }]
}
 

nested_mix.json 文件转换为 DataFrame：
 

实例
 

import pandas as pd
import json
 
# 使用 Python JSON 模块载入数据
with open('nested_mix.json','r') as f:
    data = json.loads(f.read())
   
df = pd.json_normalize(
    data,
    record_path =['students'],
    meta=[
        'class',
        ['info', 'president'],
        ['info', 'contacts', 'tel']
    ]
)
 
print(df)
 

以上实例输出结果为：
 
 

 
 

读取内嵌数据中的一组数据
 

以下是实例文件 nested_deep.json，我们只读取内嵌中的 math 字段：
 

nested_deep.json 文件内容
 

{
    "school_name": "local primary school",
    "class": "Year 1",
    "students": [
    {
        "id": "A001",
        "name": "Tom",
        "grade": {
            "math": 60,
            "physics": 66,
            "chemistry": 61
        }
 
    },
    {
        "id": "A002",
        "name": "James",
        "grade": {
            "math": 89,
            "physics": 76,
            "chemistry": 51
        }
       
    },
    {
        "id": "A003",
        "name": "Jenny",
        "grade": {
            "math": 79,
            "physics": 90,
            "chemistry": 78
        }
    }]
}
 

这里我们需要使用到 glom 模块来处理数据套嵌，glom 模块允许我们使用 . 来访问内嵌对象的属性。
 

第一次使用我们需要安装 glom：
 

crosoft Windows [版本 10.0.19043.1645]
(c) Microsoft Corporation。保留所有权利。
 
C:\WINDOWS\system32>pip3 install glom
Collecting glom
  Downloading glom-22.1.0-py2.py3-none-any.whl (100 kB)
     ---------------------------------------- 100.7/100.7 KB 207.0 kB/s eta 0:00:00
Requirement already satisfied: attrs in c:\users\1234\anaconda3\lib\site-packages (from glom) (21.2.0)
Collecting face>=20.1.0
  Downloading face-20.1.1.tar.gz (46 kB)
     ---------------------------------------- 46.1/46.1 KB 65.5 kB/s eta 0:00:00
  Preparing metadata (setup.py) ... done
Collecting boltons>=19.3.0
  Downloading boltons-21.0.0-py2.py3-none-any.whl (193 kB)
     ---------------------------------------- 193.7/193.7 KB 22.4 kB/s eta 0:00:00
Building wheels for collected packages: face
  Building wheel for face (setup.py) ... done
  Created wheel for face: filename=face-20.1.1-py3-none-any.whl size=51091 sha256=99e01f53c847c9dc424b78c7ec2db5000ccdac9315443dd34ab6be497b5d39e1
  Stored in directory: c:\users\1234\appdata\local\pip\cache\wheels\0b\80\b2\3c1246291c89bce05b70c927e249dac03252caaaa5dcd9d07e
Successfully built face
Installing collected packages: boltons, face, glom
Successfully installed boltons-21.0.0 face-20.1.1 glom-22.1.0
 
C:\WINDOWS\system32>
 

实例
 

import pandas as pd
from glom import glom
 
df = pd.read_json('nested_deep.json')
 
data = df['students'].apply(lambda row: glom(row, 'grade.math'))
print(data)
 

以上实例输出结果为：
 
 

Pandas 数据清洗
 数据清洗是对一些没有用的数据进行处理的过程。
 

很多数据集存在数据缺失、数据格式错误、错误数据或重复数据的情况，如果要对使数据分析更加准确，就需要对这些没有用的数据进行处理。
 

在这个教程中，我们将利用 Pandas包来进行数据清洗。
 

本文使用到的测试数据 property-data.csv 如下：
 

 

 
 

 
 

上表包含来四种空数据：
 

  • n/a
  • NA
  • —
  • na




 
 

Pandas 清洗空值
 如果我们要删除包含空字段的行，可以使用 dropna() 方法，语法格式如下：
 

DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)
 参数说明：
 

axis：默认为 0，表示逢空值剔除整行，如果设置参数 axis＝1 表示逢空值去掉整列。
 how：默认为 'any' 如果一行（或一列）里任何一个数据有出现 NA 就去掉整行，如果设置 how='all' 一行（或列）都是 NA 才去掉这整行。
 thresh：设置需要多少非空值的数据才可以保留下来的。
 subset：设置想要检查的列。如果是多个列，可以使用列名的 list 作为参数。
 inplace：如果设置 True，将计算得到的值直接覆盖之前的值并返回 None，修改的是源数据。
 我们可以通过 isnull() 判断各个单元格是否为空。
 

实例
 

import pandas as pd
 
df = pd.read_csv('property-data.csv')
 
print (df['NUM_BEDROOMS'])
print (df['NUM_BEDROOMS'].isnull())
 

以上实例输出结果如下：
 

 

 
 

以上例子中我们看到 Pandas 把 n/a 和 NA 当作空数据，na 不是空数据，不符合我们要求，我们可以指定空数据类型：
 

实例
 

import pandas as pd
 
missing_values = ["n/a", "na", "--"]
df = pd.read_csv('property-data.csv', na_values = missing_values)
 
print (df['NUM_BEDROOMS'])
print (df['NUM_BEDROOMS'].isnull())
 

以上实例输出结果如下：
 

 

 
 

接下来的实例演示了删除包含空数据的行。
 

实例
 

import pandas as pd
 
df = pd.read_csv('property-data.csv')
 
new_df = df.dropna()
 
print(new_df.to_string())
 

以上实例输出结果如下：
 

 

 
 

注意：默认情况下，dropna() 方法返回一个新的 DataFrame，不会修改源数据。
 

如果你要修改源数据 DataFrame, 可以使用 inplace = True 参数:
 

实例
 

import pandas as pd
 
df = pd.read_csv('property-data.csv')
 
df.dropna(inplace = True)
 
print(df.to_string())
 

以上实例输出结果如下：
 

 

 
 

我们也可以移除指定列有空值的行：
 

实例
 

移除 ST_NUM 列中字段值为空的行：
 

import pandas as pd
 
df = pd.read_csv('property-data.csv')
 
df.dropna(subset=['ST_NUM'], inplace = True)
 
print(df.to_string())
 

以上实例输出结果如下：
 

 

 
 

我们也可以 fillna() 方法来替换一些空字段：
 

实例
 

使用 12345 替换空字段：
 

import pandas as pd
 
df = pd.read_csv('property-data.csv')
 
df.fillna(12345, inplace = True)
 
print(df.to_string())
 

以上实例输出结果如下：
 

 

 
 

我们也可以指定某一个列来替换数据：
 

实例
 

使用 12345 替换 PID 为空数据：
 

import pandas as pd
 
df = pd.read_csv('property-data.csv')
 
df['PID'].fillna(12345, inplace = True)
 
print(df.to_string())
 

以上实例输出结果如下：
 

 

 
 

替换空单元格的常用方法是计算列的均值、中位数值或众数。
 

Pandas使用 mean()、median() 和 mode() 方法计算列的均值（所有值加起来的平均值）、中位数值（排序后排在中间的数）和众数（出现频率最高的数）。
 

实例
 使用 mean() 方法计算列的均值并替换空单元格：
 

import pandas as pd
 
df = pd.read_csv('property-data.csv')
 
x = df["ST_NUM"].mean()
 
df["ST_NUM"].fillna(x, inplace = True)
 
print(df.to_string())
 

以上实例输出结果如下，红框为计算的均值替换来空单元格： 
 

 

 
 

实例
 

使用 median() 方法计算列的中位数并替换空单元格：
 

import pandas as pd
 
df = pd.read_csv('property-data.csv')
 
x = df["ST_NUM"].median()
 
df["ST_NUM"].fillna(x, inplace = True)
 
print(df.to_string())
 

以上实例输出结果如下，红框为计算的中位数替换来空单元格：
 

 

 
 

 
 

实例
 

使用 mode() 方法计算列的众数并替换空单元格：
 

import pandas as pd
 
df = pd.read_csv('property-data.csv')
 
x = df["ST_NUM"].mode()
 
df["ST_NUM"].fillna(x, inplace = True)
 
print(df.to_string())
 

以上实例输出结果如下，红框为计算的众数替换来空单元格：
 

 



 Pandas 清洗格式错误数据
 

import pandas as pd
 
# 第三个日期格式错误
data = {
  "Date": ['2020/12/01', '2020/12/02' , '20201226'],
  "duration": [50, 40, 45]
}
 
df = pd.DataFrame(data, index = ["day1", "day2", "day3"])
 
df['Date'] = pd.to_datetime(df['Date'])
 
print(df.to_string())
 

数据格式错误的单元格会使数据分析变得困难，甚至不可能。
 

我们可以通过包含空单元格的行，或者将列中的所有单元格转换为相同格式的数据。
 

以下实例会格式化日期：
 

实例
 

 
 

 
 

Pandas 清洗错误数据
 

数据错误也是很常见的情况，我们可以对错误的数据进行替换或移除。
 

以下实例会替换错误年龄的数据：
 

实例
 

import pandas as pd
 
person = {
  "name": ['Google', 'Runoob' , 'Taobao'],
  "age": [50, 40, 12345]    # 12345 年龄数据是错误的
}
 
df = pd.DataFrame(person)
 
df.loc[2, 'age'] = 30 # 修改数据
 
print(df.to_string())
 

以上实例输出结果如下：
 
 

 
 

也可以设置条件语句：
 

实例
 

将 age 大于 120 的设置为 120:
 

import pandas as pd
 
person = {
  "name": ['Google', 'Runoob' , 'Taobao'],
  "age": [50, 200, 12345]    
}
 
df = pd.DataFrame(person)
 
for x in df.index:
  if df.loc[x, "age"] > 120:
    df.loc[x, "age"] = 120
 
print(df.to_string())
 

以上实例输出结果如下：
 
 

 
 

也可以将错误数据的行删除：
 

实例
 

将 age 大于 120 的删除:
 

import pandas as pd
 
person = {
  "name": ['Google', 'Runoob' , 'Taobao'],
  "age": [50, 40, 12345]    # 12345 年龄数据是错误的
}
 
df = pd.DataFrame(person)
 
for x in df.index:
  if df.loc[x, "age"] > 120:
    df.drop(x, inplace = True)
 
print(df.to_string())
 

以上实例输出结果如下：
 
 

 
 

Pandas 清洗重复数据
 

如果我们要清洗重复数据，可以使用 duplicated() 和 drop_duplicates() 方法。
 

如果对应的数据是重复的，duplicated() 会返回 True，否则返回 False。
 

实例
 

import pandas as pd
 
person = {
  "name": ['Google', 'Runoob', 'Runoob', 'Taobao'],
  "age": [50, 40, 40, 23]  
}
df = pd.DataFrame(person)
 
print(df.duplicated())
 

以上实例输出结果如下：
 
 

 
 

删除重复数据，可以直接使用drop_duplicates() 方法。
 

实例
 

import pandas as pd
 
persons = {
  "name": ['Google', 'Runoob', 'Runoob', 'Taobao'],
  "age": [50, 40, 40, 23]  
}
 
df = pd.DataFrame(persons)
 
df.drop_duplicates(inplace = True)
print(df)
 

以上实例输出结果如下：
   
 
举报
 
 
相关推荐
 
 
网络爬虫、Pandas
 
爬虫数据分析python
 
    
 
 
网络爬虫(Pandas)
 
爬虫python开发语言
 
    
 
 
Python网络爬虫-pandas
 
python爬虫
 
    
 
 
网络爬虫-----初识爬虫
 
前端javascriptvue.js
 
    
 
 
python爬虫的pandas应用详解
 
python
 
    
 
 
网络爬虫
 
爬虫
 
    
 
 
【Twitter爬虫】Twitter网络爬虫
 
qtc++
 
    
 
 
网络爬虫——爬虫项目案例
 
python
 
    
 
 
【python实现网络爬虫（2）】网络爬虫基础
 
网络pythonjavahttp大数据Hadoop
 
    
 
 
linux网络爬虫
 
html源文件chrome
 
    
 
  
0 条评论
 
 
 
 
 
 
 
 
 
 
 
 
 
    •  
    •