|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
|
# 导入pandas包并重命名为pdimport pandas as pd # 读取Excel中Sheet1中的数据data = pd.DataFrame(pd.read_excel('test.xls', 'Sheet1')) # 查看读取数据内容print(data) # 查看是否有重复行re_row = data.duplicated()print(re_row) # 查看去除重复行的数据no_re_row = data.drop_duplicates()print(no_re_row) # 查看基于[物品]列去除重复行的数据#wp = data.drop_duplicates(['物品'])#print(wp) # 将去除重复行的数据输出到excel表中no_re_row.to_excel("test2.xls") |
补充知识：Python数据预处理（删除重复值和空值）
pandas几个函数的使用，大数据的预处理（删除重复值和空值），人工删除很麻烦
Python恰好能够解决
注释很详细在这不一一解释了
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
|
########################################### 读写excel(xls\xlsx)文件import pandas as pdimport numpy as npdf_excel = pd.read_excel('data3.xlsx')print('数据量行*列',df_excel.shape)# # df_excel.to_excel('df_excel.xlsx',header=None)#生成文件保存，无表头print('数据集中存在重复观测的数量：\n',np.sum(df_excel.duplicated())) #F为不存在，T为存在，用sum显示重复的数量print('删除行重复后的数据\n',df_excel.drop_duplicates(subset=None,keep='first',inplace=None))#excel文件中设定第一和第二行为重复行，结果删除了第二行保留第一行 ###df_excel.drop_duplicates(subset=['A','B'],keep='first',inplace=True) #### 代码中subset对应的值是列名，表示只考虑这两列，将这两列对应值相同的行进行去重。默认值为subset=None表示考虑所有列。 #####keep='first'表示保留第一次出现的重复行，是默认值。keep另外两个取值为"last"和False，分别表示保留最后一次出现的重复行和去除所有重复行。 #####inplace=True表示直接在原来的DataFrame上删除重复项，而默认值False表示生成一个副本print('数据集列中是否存在缺失值：\n',df_excel.isnull().any()) #F为不存在，T为存在print('每一行的缺失值个数：',df_excel.isnull().sum(axis=1))print('每一列的缺失值个数：',df_excel.isnull().sum(axis=0)) ####### df.isnull().sum(axis=0)每一列的缺失值个数 #####df.isnull().any()则会判断哪些”列”存在缺失值df=df_excel.dropna()print(df_excel.dropna(thresh=5)) # #axis=0: 删除包含缺失值（NaN）的行 # #axis=1: 删除包含缺失值（NaN）的列 # # how=‘any' :要有缺失值（NaN）出现删除 # # how=‘all': 所有的值都缺失（NaN）才删除 # 还有一个thresh参数 # thresh=n，保留至少有 n 个非 NaN 数的行######drop用法print(df_excel.drop(['edu'],axis=1))#按照列删除edu这一列print(df_excel.drop([0],axis=0))#按照行删除0这一行 |
以上这篇python 删除excel表格重复行,数据预处理操作就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/weixin_43289135/article/details/104595433
