1.问题

在处理股票数据的时候，难免遇到去重的问题。对于以下数据，显然2020-01-04的数据重复了。
股票数据中，通常用date当成索引，一行数据的date应该都是唯一的。

import pandas as pddata = pd.DataFrame({'date': ['2020-01-04', '2020-01-04', '2020-01-05', '2020-01-06'], 'open': [102, 102,102, 105], 'close': [102, 102,102, 105]}).set_index('date')
print(data)

            open  close
date                   
2020-01-04   102    102
2020-01-04   102    102
2020-01-05   102    102
2020-01-06   105    105

数据中2020-01-05的open和close与2020-01-04的是一样的，但date又不一样，因此这里不需要对2020-01-05的数据做去重处理的，只需要对2020-01-04的两条数据去重。

如果利用常规的去重方法 df.drop_duplicates()，就会遇到以下问题：

a = data
print(a.drop_duplicates())

            open  close
date                   
2020-01-04   102    102
2020-01-06   105    105

返回的结果相当于把2020-01-05也当重复项做去重处理了。也就是使用 df.drop_duplicates() 方法，是针对于列做去重处理。因为2020-01-05的open和close与2020-01-04的是一样，所以前3条数据被当成重复性处理，就保留了重复数据中的第一条。然而这个结果并不是我们想要的。

正确是做法是对索引去重。

2.解决方法

对索引去重，也只需要用一行代码：df[~df.index.duplicated()]

print(data[~data.index.duplicated()])

            open  close
date                   
2020-01-04   102    102
2020-01-05   102    102
2020-01-06   105    105

这样的结果才是我们想要的。~df.index.duplicated() 方法是只针对索引做去重，而不考虑列数据，与 df.drop_duplicates() 相反。

3.完整代码

import pandas as pddata = pd.DataFrame({'date': ['2020-01-04', '2020-01-04', '2020-01-05', '2020-01-06'], 'open': [102, 102,102, 105], 'close': [102, 102,102, 105]}).set_index('date')
print(data)a = data
print('去重--只匹配列，不匹配索引')
print(a.drop_duplicates())print('去重--只匹配索引，不匹配列')
print(data[~data.index.duplicated()])

E:\Python\Python38-32\python.exe E:/python_project/test.pyopen  close
date                   
2020-01-04   102    102
2020-01-04   102    102
2020-01-05   102    102
2020-01-06   105    105
去重--只匹配列，不匹配索引open  close
date                   
2020-01-04   102    102
2020-01-06   105    105
去重--只匹配索引open  close
date                   
2020-01-04   102    102
2020-01-05   102    102
2020-01-06   105    105Process finished with exit code 0