DataFrame.duplicated(subset=None, keep='first')

subset：如果你認為幾個欄位重複，則資料重複，就把那幾個欄位以列表形式放到subset後面。預設是所有欄位重複為重複資料。

keep:

• 預設為’first’ ,也就是如果有重複資料，則第一條出現的定義為False，後面的重複資料為True。
• 如果為’last’，也就是如果有重複資料，則最後一條出現的定義為False，後面的重複資料為True。
• 如果為False，則所有重複的為True

下面舉例

df = pd.DataFrame({
    'brand': ['Yum Yum', 'Yum Yum'
 
, 'Indomie', 'Indomie', 'Indomie'],
    'style': ['cup', 'cup', 'cup', 'pack', 'pack'],
    'rating': [4, 4, 3.5, 15, 5]
})
df 

# 預設為keep="first",第一條重複的為False,後面重複的為True
# 一般不會設定keep，保持keep為預設值。
df.duplicated()

結果
0    False
1     True
2    False
3    False
4    False
dtype: bool

# keep="last",,最後一條重複的為False,後面重複的為True
 

df.duplicated(keep="last")

結果
0     True
1    False
2    False
3    False
4    False
dtype: bool

# keep=False,,所有重複的為True
df.duplicated(keep=False)

結果
0     True
1     True
2    False
3    False
4    False
dtype: bool

# sub是子，subset是子集
# 標記只要brand重複為重複值。
df.duplicated(subset='brand')

結果

0
 
    False
1     True
2    False
3     True
4     True
dtype: bool


# 只要brand重複brand和style重複的為重複值。
df.duplicated(subset=['brand','style'])

結果

0    False
1     True
2    False
3    False
4     True
dtype: bool


# 顯示重複記錄，通過布林索引
df[df.duplicated()]

# 查詢重複值的個數。
df.duplicated().sum()

結果
1