drop_duplicates默认按整行去重，仅当所有列值完全相同时才删除重复行；需指定subset参数（如subset=['user_id']）实现单列或组合列去重，并建议链式调用reset_index(drop=True)修复索引断裂。
drop_duplicates 默认行为为什么没去重成功
默认只对所有列完全一致的行去重，只要任意一列值不同，就视为不同行。比如两行只有 id 相同、name 不同，drop_duplicates() 会保留两者——它不是按某列“去重”，而是按整行“去重”。
常见错误现象：df.drop_duplicates() 执行后行数没变，但你知道某些 user_id 明明重复了。
- 必须显式指定
subset参数，例如df.drop_duplicates(subset=['user_id']) - 默认保留第一次出现的行（
keep='first'），如需保留最后一次，改用keep='last' - 如果
subset中有NaN，pandas 默认把它们当作相同值处理（即多个NaN会被视为重复）；不希望这样，加参数keep=False可删掉所有含该NaN的行
多列组合去重时 subset 传参写法陷阱
subset 必须是列表，哪怕只传一列。写成 subset='email' 会报错：TypeError: unhashable type: 'list'（因为字符串被当成了字符序列迭代）。
使用场景：用户表中要按 email + phone 联合去重，但允许单独 email 或 phone 重复。
- 正确写法：
df.drop_duplicates(subset=['email', 'phone']) - 错误写法：
df.drop_duplicates(subset='email, phone')或subset=('email', 'phone')（元组也行，但列表更通用） - 注意列名大小写和空格：若原始列是
'Email '（带空格），subset=['Email']就匹配不上，建议先用df.columns.tolist()确认真实列名
inplace=True 的副作用和替代方案
inplace=True 看似省事，但会让链式操作中断，且在某些 pandas 版本中可能引发 SettingWithCopyWarning 或静默失败。
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
性能影响：inplace=True 并不真正节省内存，底层仍会创建新对象再赋值，还丧失了函数式编程的可读性。
- 推荐写法：
df = df.drop_duplicates(subset=['uid']) - 如果真想复用变量名，至少加注释说明这是“覆盖赋值”，避免后续误以为
df还是原对象 - 在函数内返回新 DataFrame 比修改入参更安全，尤其当输入可能是视图（view）时
去重后索引断裂怎么处理
drop_duplicates 不会自动重置索引，结果 DataFrame 可能留有一串跳号（如 0,1,3,5），这在后续用 .iloc[2] 或循环时容易出错。
常见错误现象：去重后用 for i in range(len(df)): 遍历时，发现 df.iloc[i] 报 IndexError。
- 补救方法：链式调用
.reset_index(drop=True)，例如df.drop_duplicates(subset=['id']).reset_index(drop=True) -
drop=True很关键，否则老索引会变成一列名为index的新列 - 如果原索引有意义（如时间戳），别盲目 reset，先确认是否真需要连续整数索引
实际用的时候，最常漏的是 subset 参数和 reset_index，尤其是多人协作时，有人忘了重置索引，下游代码跑着跑着就崩了。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
