duplicated() marca con True cada fila que repite una anterior; drop_duplicates() elimina esas filas.
subset= elige qué columnas determinan que dos filas sean iguales. Úsalo cuando una columna de identificadores haga que cada fila sea única, o cuando una columna (como la del correo electrónico) deba ser única por sí sola.
keep= elige qué copia se conserva: "first" (la opción predeterminada), "last" o False para marcar o eliminar todas las copias.
En los datos reales, los duplicados rara vez son exactos. "[email protected]" y " [email protected]" son la misma persona para ti, pero textos distintos para pandas. Limpia primero la columna con signups["email"].str.strip().str.lower() y después busca duplicados en los valores limpios. Más adelante, la lección de texto trata los métodos .str en profundidad.
Cuenta siempre las filas antes de eliminarlas para saber cuántas estás quitando.
Cuántas filas repiten un correo electrónico que ya apareció en una fila anterior.