Penjelasan sederhana
Sama seperti Remove Duplicates di Excel. Kamu bisa memilih dobel berdasarkan semua kolom atau kolom tertentu saja.
Sintaks
df.drop_duplicates(subset=None, keep='first')| Bagian | Keterangan |
|---|---|
subset | Kolom yang dibandingkan. Kalau kosong, semua kolom harus sama persis. |
keep | 'first' simpan yang pertama, 'last' yang terakhir, False buang semua yang dobel. |
df adalah nama DataFrame (tabel) yang sedang diolah. Contoh di bawah memakai import pandas as pd dan import numpy as np, yang sudah disiapkan otomatis.
Contoh drop_duplicates()
Data contoh: penjualan (sudah tersedia sebagai DataFrame)
DataFrame penjualan
| id | tanggal | karyawan_id | produk | kategori | qty | harga |
|---|---|---|---|---|---|---|
| 1 | 2026-01-05 | 4 | Laptop | Elektronik | 2 | 8500000 |
| 2 | 2026-01-12 | 6 | Printer | Elektronik | 1 | 2300000 |
| 3 | 2026-01-20 | 4 | Kursi Kantor | Furnitur | 5 | 1200000 |
| 4 | 2026-02-03 | 6 | Laptop | Elektronik | 1 | 8500000 |
| 5 | 2026-02-14 | 4 | Meja Kerja | Furnitur | 3 | 1750000 |
| 6 | 2026-02-25 | 5 | Kertas A4 | ATK | 20 | 55000 |
| 7 | 2026-03-02 | 6 | Kursi Kantor | Furnitur | 4 | 1200000 |
| 8 | 2026-03-10 | 4 | Printer | Elektronik | 2 | 2300000 |
| 9 | 2026-03-18 | 5 | Kertas A4 | ATK | 30 | 55000 |
| 10 | 2026-03-27 | 6 | Monitor | Elektronik | 3 | 1900000 |
penjualan[['produk', 'kategori']].drop_duplicates()Hasil 6 baris × 2 kolom
| produk | kategori | |
|---|---|---|
| 0 | Laptop | Elektronik |
| 1 | Printer | Elektronik |
| 2 | Kursi Kantor | Furnitur |
| 4 | Meja Kerja | Furnitur |
| 5 | Kertas A4 | ATK |
| 9 | Monitor | Elektronik |
Kolom abu-abu adalah index, yaitu nomor baris asli di tabel. Nomornya tidak urut karena ada baris yang disaring atau diurutkan. Apa itu index?
Dari 10 transaksi, ada 6 kombinasi produk dan kategori yang berbeda.
Cara kerjanya, langkah demi langkah
- Dua kolom diambil: produk dan kategori.
- Pandas mencari baris dengan kombinasi yang sama.
- Hanya kemunculan pertama yang disimpan.
Dipakai untuk apa di kantor?
- Membersihkan data pelanggan yang tercatat dua kali.
- Membuat daftar unik produk atau kota.
Kesalahan yang sering terjadi
- Lupa
subset, sehingga baris yang hanya beda ID dianggap tidak dobel. - Mengira data asli ikut berubah tanpa disimpan.
Progres bab Membersihkan Data
0/5 dipelajari
Lanjut: astype()