Pandas Practical & Real Use Cases

Use Case #5 — Detect and Remove Exact Duplicates

Identify fully duplicated rows, preserve an audit copy, and create a deduplicated dataset.

Caso práctico progresivo para transformar datos municipales sucios en información confiable, analizable y útil para decisiones.

Security notice: Run these scripts only in a controlled practice environment. Do not execute them in production or institutional systems without authorization, backups, testing, least-privilege permissions, change control, and compliance with organizational protocols.
Aviso de seguridad: Ejecuta estos scripts únicamente en un ambiente controlado de práctica. No los corras en producción ni en sistemas institucionales sin autorización, respaldos, pruebas, permisos mínimos, control de cambios y cumplimiento de los protocolos organizacionales.

Business Purpose

Propósito de negocio

Identify fully duplicated rows, preserve an audit copy, and create a deduplicated dataset.

Este caso continúa el flujo real de trabajo con solicitudes de servicios municipales y documenta cada transformación de forma trazable.

Input and Output

Entrada y salida

Inputmissing_values_treated_city_service_requests.csv
Outputexact_duplicates_removed_city_service_requests.csv
SeriesUse Case #5 of 20

Results can vary because the source dataset was generated synthetically and randomly. Run the code to obtain the exact values from your local file.

Los resultados pueden variar porque el dataset de origen fue generado de forma sintética y aleatoria. Ejecuta el código para obtener los valores exactos de tu archivo local.

Step 1 — Load and count exact duplicates

import pandas as pd
from pathlib import Path

base = Path.home() / "Documents" / "Pandas_Use_Cases"
input_file = base / "missing_values_treated_city_service_requests.csv"
output_file = base / "exact_duplicates_removed_city_service_requests.csv"
audit_file = base / "exact_duplicate_rows.csv"

df = pd.read_csv(input_file)

duplicate_mask = df.duplicated(keep=False)
print(f"Rows involved in exact duplicates: {duplicate_mask.sum():,}")
print(f"Removable duplicate copies: {df.duplicated().sum():,}")

Expected Result / Interpretation

Resultado esperado / Interpretación

The script distinguishes all rows in duplicate groups from the copies that can be removed.

Step 2 — Review duplicate groups

duplicates = df.loc[duplicate_mask].sort_values("Request_ID")
print(duplicates.head(20).to_string(index=False))

Expected Result / Interpretation

Resultado esperado / Interpretación

Duplicate groups can be reviewed before deletion.

Step 3 — Export duplicate audit file

duplicates.to_csv(audit_file, index=False, encoding="utf-8-sig")
print(f"Audit file: {audit_file}")

Expected Result / Interpretation

Resultado esperado / Interpretación

An evidence file preserves the removed records for traceability.

Step 4 — Remove exact duplicate copies

df_deduplicated = df.drop_duplicates(keep="first").copy()

print(f"Rows before: {len(df):,}")
print(f"Rows after:  {len(df_deduplicated):,}")
print(f"Rows removed: {len(df) - len(df_deduplicated):,}")

Expected Result / Interpretation

Resultado esperado / Interpretación

Only exact copies are removed; the first occurrence is retained.

Step 5 — Export deduplicated dataset

df_deduplicated.to_csv(
    output_file,
    index=False,
    encoding="utf-8-sig"
)

print(f"Saved: {output_file}")

Expected Result / Interpretation

Resultado esperado / Interpretación

A clean working file and a separate duplicate audit file are produced.

Use Case #5 Completed

Caso de uso #5 completado

The output of this module becomes the controlled input for the next stage of the 20-case Pandas workflow.

La salida de este módulo se convierte en la entrada controlada para la siguiente etapa del flujo de 20 casos de Pandas.

More Community & Local Opportunity Resources

Más recursos comunitarios y oportunidades locales

Explore additional resources connected to local training, practical skills, employment opportunities, and community growth.

Explora recursos adicionales relacionados con capacitación local, habilidades prácticas, oportunidades de empleo y crecimiento comunitario.

HialeahOficios

Community-focused resources for trades, skills, local opportunities, and practical career development.

Recursos comunitarios enfocados en oficios, habilidades, oportunidades locales y desarrollo profesional práctico.

hialeahoficios.com

MiamiOficios

Miami-oriented resources for practical learning, employment pathways, and workforce development.

Recursos orientados a Miami para aprendizaje práctico, rutas de empleo y desarrollo de la fuerza laboral.

miamioficios.com