Python实现去除Excel重复数据并统计重复次数
更新时间：2023年08月02日 11:07:24 作者：上景
这篇文章主要为大家详细介绍了如何利用Python语言实现文本数据去重，创建包含唯一值的新列，并统计文本数据出现的次数，需要的可以参考下
第一部分：数据读取和统计
程序使用`pd.read_csv`函数逐块读取CSV文件，并将每块的数据类型设置为字符串。然后使用`pd.Series`创建一个空的Series对象`value_counts`，用于存储每个值的重复次数。使用`chunk.values.ravel()`获取所有文本数据，并使用`value_counts`函数统计每个值的重复次数。最后，通过`value_counts.add`函数将每块的统计结果累加到`value_counts`中。
from tqdm import tqdm
import pandas as pd
# 读取CSV文件，并指定数据类型为字符串
chunksize = 1000000 # 每次读取的块大小
value_counts = pd.Series(dtype=int)
for chunk in tqdm(pd.read_csv(r"C:\Users\dell\Desktop\表格一.csv", dtype=str, chunksize=chunksize), total=1219):
# 获取所有文本数据并统计每个值的重复次数
counts = pd.Series(chunk.values.ravel()).value_counts()
value_counts = value_counts.add(counts, fill_value=0)第二部分：结果处理和排序
首先，使用`value_counts.reset_index()`将`value_counts`的索引重置，并将列名改为'经营范围'和'重复次数'。然后，使用`value_counts.sort_values`按重复次数从高到低对数据进行排序。
# 重置索引并按重复次数从高到低排序 value_counts = value_counts.reset_index() value_counts.columns = ['城市', '重复次数'] value_counts = value_counts.sort_values(by='重复次数', ascending=False)
第三部分：结果保存和进度条显示
程序使用`tqdm(total=len(value_counts), desc='Processing')`创建了一个进度条对象`pbar`，并设置进度条的总长度为`value_counts`的长度。接着，使用`value_counts.to_csv`将排序后的结果保存到新的CSV文件中，并设置`index=False`以避免保存索引列。然后，使用`pbar.update()`更新进度条，表示处理完成。
最后，关闭进度条并输出一条完成消息。
# 创建进度条
pbar = tqdm(total=len(value_counts), desc='Processing')
# 保存结果到新的CSV文件
value_counts.to_csv(r"C:\Users\dell\Desktop\表格二.csv", index=False)
# 更新进度条
pbar.update()
# 关闭进度条
pbar.close()
# 输出消息
print("已经去重完成，丫头！")完整代码
from tqdm import tqdm
import pandas as pd
# 读取CSV文件，并指定数据类型为字符串
chunksize = 1000000 # 每次读取的块大小
value_counts = pd.Series(dtype=int)
for chunk in tqdm(pd.read_csv(r"C:\Users\dell\Desktop\表格一.csv", dtype=str, chunksize=chunksize), total=1219):
# 获取所有文本数据并统计每个值的重复次数
counts = pd.Series(chunk.values.ravel()).value_counts()
value_counts = value_counts.add(counts, fill_value=0)
# 重置索引并按重复次数从高到低排序
value_counts = value_counts.reset_index()
value_counts.columns = ['城市', '重复次数']
value_counts = value_counts.sort_values(by='重复次数', ascending=False)
# 创建进度条
pbar = tqdm(total=len(value_counts), desc='Processing')
# 保存结果到新的CSV文件
value_counts.to_csv(r"C:\Users\dell\Desktop\表格二.csv", index=False)
# 更新进度条
pbar.update()
# 关闭进度条
pbar.close()
# 输出消息
print("已经去重完成，丫头！")总体而言，该程序的目标是读取一个较大的CSV文件，统计其中每个值的重复次数，并将结果按重复次数从高到低进行排序和保存。同时，使用进度条显示处理的进度，以提供可视化的反馈。
到此这篇关于Python实现去除Excel重复数据并统计重复次数的文章就介绍到这了,更多相关Python去除Excel重复数据内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要为大家详细介绍了python求质数的多种方法，多种方法求质数的实现代码，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-09-09
这篇文章主要推荐了11个实用Python库，都有这不错的群众基础，非常好用，也都很实用，推荐给大家。2015-01-01
这篇文章主要为大家介绍了Python 修改CSV文件实例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2022-08-08
这篇文章主要介绍了Python Numpy中ndarray的常见操作，NumPy是Python的一种开源的数值计算扩展，更多详细内容需要的朋友可以参考一下2022-07-07
这篇文章主要介绍了Python可设置抽奖者权重的抽奖脚本,抽奖系统包含可给不同抽奖者设置不同的权重，先从价值高的奖品开始抽，已经中奖的人，不再参与后续的抽奖，本文通过实例代码给大家介绍的非常详细，需要的朋友可以参考下2022-11-11
这篇文章主要介绍了ython数字类型和占位符详情，文章围绕主题展开全文详细内容，需要的小伙伴可以参考一下，希望对你的学习有所帮助2022-03-03
今天小编就为大家分享一篇将labelme格式数据转化为标准的coco数据集格式方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-02-02
本文主要是解决python2.7在查询mysql时产生中文乱码的处理方法，非常的有用，亲测可行，推荐给大家2014-11-11
这篇文章主要介绍了解读python cvxpy下SDP问题编程，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2022-12-12
这篇文章主要介绍了python 如何将数据写入本地txt文本文件的实现方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-09-09
最新评论