前言
在实际数据采集、数据处理和数据分析中，经常会遇到的一个问题就是：重复数据。重复数据在进行数据分析或数据挖掘的过程中，对其输出结果有重要的影响。比如，在逻辑回归分析中，重复数据会影响模型的拟合优度；数据分析中，重复数据会影响预测内容准确性。所以，处理重复值数据有着重要的意义和作用。
目前市场上很多数据分析或数据挖掘类的工具，比如：SPSS、SAS、python等。虽然重复值数据对数据分析或数据挖掘有重要影响，但并不是强制性，或者说并不是所有情况下都要对重复值数据进行处理。所以，重复值数据的处理是选择性的。
接下里，小编将介绍如何使用基于python开发语言的pandas函数，处理重复值的数据。
虽然许多pandas函数（如reindex）都要求标签唯一，但这并不是强制性的。
Series数据结构的重复值数据处理
首先，小编先带着大家一起创建一个带有重复索引值的Series：
In[5]:obj=Series(range(5),index=[a,a,b,b,c])
In[6]:obj
Out[6]:
a0
a1
b2
b3
c4
dtype:int32
其次，使用“is_unique”判断是否唯一：
In[7]:obj.index.is_unique
Out[7]:False
In[8]:obj[a]
Out[8]:
a0
a1
dtype:int32
In[9]:obj[c]
Out[9]:4
DataFrame数据结构的重复值数据处理
首先，创建一个带有重复索引值的DataFrame：
In[12]:df=DataFrame(np.random.randn(4,3),index=[a,a,b,b])
In[13]:df
Out[13]:
a-0.-1.-1.
a0.-0.-1.
b0..-0.
b0.-2..
其次，对DataFrame的行进行索引
In[14]:df.ix
Out[14]:
b0..-0.
b0.-2..
到这里，小编从python开发语言的pandas函数出发，介绍类python的两个重要数据结构series和dataframe如何进行重复值数据处理。希望对大家有所助益！感谢支持！
亲，如果笔记对您有帮助，收藏的同时，记得给点个赞、加个