dateframe去重

和dataframe去重不同，当需要的是那些重复数据而不是非重复数据是，就想要将重复数据提取出来时，或者去除那些非重复数据。

主要思路：

1. 采用drop_duplicates对数据去两次重，一次将重复数据全部去除（keep=False）,另一次将重复数据保留一个（keep='first）;

2. 上一步我们得到了两类去重数据，分别是含有原本重复的数据(a)和不含有原本重复的数据(b)，b是a的真子集,然后就可以用作差集的思想（https://blog.csdn.net/jasonwang_/article/details/78797458），即a-b，得到我们需要的原本重复的数据。

示例代码如下：

 

>>>import pandas as pd  
>>>data={'state':[1,1,2,2,1,2,2],'pop':['a','b','c','d','b','c','d']}
>>>frame=pd.DataFrame(data)  
>>>frame
	pop	state
0	a	1
1	b	1
2	c	2
3	d	2
4	b	1
5	c	2
6	d	2
>>>a = frame.drop_duplicates(subset=['pop'],keep='first')
>>>a
	pop	state
0	a	1
1	b	1
2	c	2
3	d	2
>>>b = frame.drop_duplicates(subset=['pop'],keep=False)
>>>b
	pop	state
0	a	1
>>>a.append(b).drop_duplicates(subset=['pop'],keep=False)
	pop	state
1	b	1
2	c	2
3	d	2

最后得到的三行数据就是重复的数据。