Python 爬虫中去除数据重复的方法主要有以下几种：使用集合：将数据添加到集合中，集合会自动过滤重复项。使用字典：将数据用作键添加到字典中，键是唯一标识符，可以实现去除重复项。使用 Numpy 库中的 unique 函数：可以去除数组中的重复项。使用 Pandas 库中的 drop_duplicates() 方法：可以去除 DataFrame 中的重复行。
如何去除 Python 爬虫中的数据重复
在爬取数据时，难免会遇到数据重复的情况，这将导致存储空间浪费和分析效率降低。以下介绍几种常见的方法来去除 Python 爬虫中的数据重复：
1. 使用集合（Set）
集合是一个无序且不重复的数据结构。如果将数据添加到集合中，集合会自动过滤重复项。以下代码演示如何使用集合去除重复数据：
立即学习“Python免费学习笔记（深入）”；
data = ["a", "b", "c", "a", "b", "d"]
unique_data = set(data) # 去除重复项并返回一个集合
print(unique_data) # 输出：{'a', 'b', 'c', 'd'}2. 使用字典（Dictionary）
字典是一种键值对数据结构，其中键是唯一标识符。通过将数据用作键添加到字典中，可以实现去除重复项。以下代码演示如何使用字典去除重复数据：
data = ["a", "b", "c", "a", "b", "d"]
unique_data = {}
for item in data:
unique_data[item] = True # 将数据作为键添加到字典中
print(list(unique_data.keys())) # 输出：['a', 'b', 'c', 'd']3. 使用 Numpy 库
Numpy 提供了一种名为 unique 的函数，它可以去除数组中的重复项。以下代码演示如何使用 Numpy 库去除重复数据：
import numpy as np data = np.array(["a", "b", "c", "a", "b", "d"]) unique_data = np.unique(data) # 去除重复项并返回一个数组 print(unique_data) # 输出：['a' 'b' 'c' 'd']
4. 使用 Pandas 库
Pandas 库提供了一种名为 drop_duplicates() 的方法，可以去除 DataFrame 中的重复行。以下代码演示如何使用 Pandas 库去除重复数据：
import pandas as pd
data = pd.DataFrame({"name": ["John", "Alice", "Bob", "John", "Alice"], "age": [25, 30, 40, 25, 30]})
unique_data = data.drop_duplicates() # 去除重复行
print(unique_data) # 输出：
# name age
# 0 John 25
# 1 Alice 30
# 2 Bob 40 
