4.6.3 重复值检测与处理（问答库）

【单选题·易】课程中用来检测数据框重复行的函数是？ A. isna() B. duplicated() C. dropna() D. astype() 答案：B 解析： 语料明确：duplicated() 函数用于检测数据中的重复值。isna()/dropna() 属于缺失值，astype() 属于类型转换。
【单选题·易】drop_duplicates() 的作用是？ A. 检测缺失值并返回布尔数据框 B. 按分位数识别异常值 C. 删除重复值，可选择保留第一行或最后一行 D. 把序列转换成指定数据类型 答案：C 解析： 语料：drop_duplicates() 函数用于删除重复值。可选择保留第一行或最后一行，对应 keep='first' 与 keep='last'。
【判断题·易】duplicated() 会返回一个布尔类型的序列对象，指示每一行是否为重复行。 答案：√ 解析： 语料原句：该函数会返回一个布尔类型的序列对象，指示每一行是否为重复行。注意返回的是序列，不是数据框。
【判断题·易】duplicated() 通常保留第一次出现的值，后续重复的值会标记为 True。 答案：√ 解析： 这是课程对 duplicated() 默认规则的说明。第一次出现为 False，后面相同的行才为 True。
【多选题·中】关于重复值检测与处理，下列说法正确的有： A. 处理重复值是数据清洗的重要步骤，可避免冗余数据影响分析结果 B. duplicated() 返回布尔类型的序列 C. drop_duplicates(keep='first') 保留第一行 D. drop_duplicates(keep='last') 会把所有行全部删掉 答案：ABC 解析： A、B、C 均来自 4.6.3 语料。keep='last' 是保留最后一次出现的重复行，不是删光全部行，故 D 错误。
【单选题·中】执行下列代码后，被标记为 True 的是哪一行？

from pandas import DataFrame
data = {'A': [1, 2, 2, 3], 'B': [4, 5, 5, 6]}
df = DataFrame(data)
print(df.duplicated())

A. 索引 0（第一行 1、4） B. 索引 1（第一次出现的 2、5） C. 索引 2（后续出现的 2、5） D. 索引 1 和 2 同时为 True 答案：C 解析： 第 1 行与第 2 行数据相同，但通常保留第一次出现，只有后续重复行标 True。语料注释：索引 2 这一行被标记为重复行。D 把“整组相同行”都当成重复，与默认规则不符。

【单选题·中】沿用上题数据框，执行 df.drop_duplicates(keep='first') 后，结果的行标签是？ A. 0, 1, 2, 3（一行都没删） B. 0, 1, 3 C. 0, 2, 3 D. 0, 3 答案：B 解析： keep='first' 保留第一次出现的 (2, 5)，即索引 1，删除后续的索引 2。留下 0、1、3 三行。0, 2, 3 是 keep='last' 的结果。
【多选题·中】沿用课程示例，比较两种删除方式，下列说法正确的有：

from pandas import DataFrame
data = {'A': [1, 2, 2, 3], 'B': [4, 5, 5, 6]}
df = DataFrame(data)
print(df.drop_duplicates(keep='first'))
print(df.drop_duplicates(keep='last'))

A. keep='first' 留下行标签 0、1、3 B. keep='last' 留下行标签 0、2、3 C. 两种结果中，中间那行的 A、B 都是 2 和 5 D. 两种结果的行标签完全相同 答案：ABC 解析： 语料注释：保留第一行时序号为 1，保留最后一行时序号为 2，重复行数据相同、序号不同。因此 C 对、D 错。

【判断题·中】df.drop_duplicates(keep='first') 执行后，原始数据框 df 会变成 3 行。 答案：× 解析： 与 dropna() 类似，drop_duplicates() 返回新数据框，默认不修改原对象。原 df 仍是 4 行，必须把返回值赋给变量才能保存清洗结果。
【单选题·难】执行下列代码，三处打印结果依次是？

from pandas import DataFrame
data = {'A': [1, 2, 2, 3], 'B': [4, 5, 5, 6]}
df = DataFrame(data)
print(bool(df.duplicated().loc[2]))
print(list(df.drop_duplicates(keep='first').index))
print(df.drop_duplicates(keep='last').loc[2, 'A'])

A. True，[0, 1, 3]，2 B. False，[0, 1, 3]，2 C. True，[0, 2, 3]，2 D. True，[0, 1, 3]，1 答案：A 解析： duplicated() 在索引 2 处为 True。keep='first' 行标签为 0、1、3。keep='last' 保留的 (2, 5) 行标签是 2，该行 A 列仍是 2，不是 1。C 把两种 keep 的索引弄反了。

【简答题·中】请写出完整可运行代码：按课程示例创建数据框，先检测重复行，再分别按保留第一行、保留最后一行删除重复值并打印。说明：哪一行会被 duplicated() 标为 True？两种删除结果的行标签有何不同？ 答案：

from pandas import DataFrame
data = {'A': [1, 2, 2, 3], 'B': [4, 5, 5, 6]}
df = DataFrame(data)
print(df.duplicated())
print(df.drop_duplicates(keep='first'))
print(df.drop_duplicates(keep='last'))

duplicated() 把索引 2 标为 True（后续出现的 A=2、B=5）。keep='first' 行标签为 0、1、3；keep='last' 行标签为 0、2、3。重复行数据相同，序号不同。 解析： 评分要点：① 示例数据与 DataFrame 创建正确；② 写出 duplicated()、keep='first'、keep='last'；③ 指出索引 2 为 True；④ 能对比两种行标签。漏写 keep 或把第 1 行也当成 True 可酌情扣分。

【简答题·难】结合下列代码，回答三个问题：（1）为什么索引 1 是 False、索引 2 是 True？（2）keep='first' 与 keep='last' 留下的数值是否相同？行标签为什么不同？（3）若写成 df[df.duplicated()]，会得到哪几行？原 df 有没有被删行？

from pandas import DataFrame
data = {'A': [1, 2, 2, 3], 'B': [4, 5, 5, 6]}
df = DataFrame(data)
print(df.duplicated())
print(df.drop_duplicates(keep='first'))
print(df.drop_duplicates(keep='last'))
print(df[df.duplicated()])

答案： （1）第 1 行与第 2 行都是 A=2、B=5。duplicated() 通常保留第一次出现，所以索引 1 为 False；后续重复才标 True，所以索引 2 为 True。（2）留下的 A、B 取值相同（都是 1/4、2/5、3/6）。差别只在中间那行的序号：keep='first' 保留索引 1，keep='last' 保留索引 2。（3）布尔索引选出被标为 True 的行，只得到索引 2 那一行（A=2、B=5）。这只是筛选视图/新结果，drop_duplicates() 也返回新对象，原 df 仍是 4 行，没有就地删行。 解析： 评分要点：① 能用“保留第一次、后续标 True”解释 1 与 2 的布尔值；② 能说出数据相同、序号不同；③ 能说明 df[df.duplicated()] 只含索引 2，且原对象不变。把索引 1、2 都说成 True，或认为原 df 已被改成 3 行，不得满分。

4.6.3-重复值检测与处理.md

4.6.3 重复值检测与处理（问答库）