duplicated() marca com True cada linha que repete uma anterior; drop_duplicates() remove essas linhas.
subset= escolhe quais colunas determinam que duas linhas são iguais. Use-o quando uma coluna de ID torna cada linha única, ou quando uma coluna (como a de e-mail) deve ser única por si só.
keep= escolhe qual cópia permanece: "first" (o padrão), "last" ou False para marcar ou remover todas as cópias.
Nos dados reais, as duplicatas raramente são exatas. "[email protected]" e " [email protected]" são a mesma pessoa para você, mas textos diferentes para o pandas. Limpe primeiro a coluna, signups["email"].str.strip().str.lower(), e depois procure duplicatas nos valores limpos. Mais adiante, a lição de texto aborda os métodos .str em detalhe.
Sempre conte antes de remover, para saber quantas linhas você está eliminando.
Quantas linhas repetem um e-mail que já apareceu acima delas.