Gérer les doublons après une fusion (drop_duplicates())

Fonctions :

• df.drop_duplicates()

  Supprime les lignes en double dans un DataFrame, en se basant sur les colonnes spécifiées ou l’ensemble des colonnes par défaut. Très utile après une fusion de DataFrames pour éviter les doublons.

  Importation :

  import pandas as pd

  Attributs :

  Paramètre	Type	Description	Valeur par défaut
  subset	list ou str	Colonnes sur lesquelles vérifier les doublons. Par défaut, toutes les colonnes sont utilisées.	None
  keep	{'first', 'last', False}	Quel doublon garder : 'first' (premier), 'last' (dernier), ou False (aucun).	'first'
  inplace	bool	Si True, modifie le DataFrame directement sans retourner de copie.	False
  ignore_index	bool	Si True, réinitialise l'index dans le DataFrame retourné.	False

  Exemple de code :

  📋 Copy

  import pandas as pd
  
  # Exemple de DataFrame après une fusion
  df = pd.DataFrame({
      'id': [1, 2, 2, 3, 4, 4],
      'valeur': ['A', 'B', 'B', 'C', 'D', 'D']
  })
  
  # Supprimer les doublons sur toutes les colonnes
  df_sans_doublons = df.drop_duplicates()
  
  print(df_sans_doublons)

  

  Explication du code :

  Importation de la bibliothèque

  import pandas as pd

  Cette ligne importe la bibliothèque pandas, utilisée pour manipuler des structures de données tabulaires.

  Création d’un DataFrame avec des doublons

  df = pd.DataFrame({'id': [1, 2, 2, 3, 4, 4], 'valeur': ['A', 'B', 'B', 'C', 'D', 'D']})

  On crée un DataFrame contenant des lignes en double, notamment pour les paires (2, 'B') et (4, 'D').

  Suppression des doublons

  df_sans_doublons = df.drop_duplicates()

  La méthode drop_duplicates() supprime les lignes dupliquées sur toutes les colonnes du DataFrame.

  Affichage du DataFrame sans doublons

  print(df_sans_doublons)

  Cette instruction affiche le résultat final, dans lequel chaque ligne est unique.