快捷導(dǎo)航

Python實(shí)現(xiàn)去除Excel重復(fù)數(shù)據(jù)并統(tǒng)計(jì)重復(fù)次數(shù)

更新時(shí)間：2023年08月02日 11:07:24 作者：上景

這篇文章主要為大家詳細(xì)介紹了如何利用Python語(yǔ)言實(shí)現(xiàn)文本數(shù)據(jù)去重，創(chuàng)建包含唯一值的新列，并統(tǒng)計(jì)文本數(shù)據(jù)出現(xiàn)的次數(shù)，需要的可以參考下

第一部分：數(shù)據(jù)讀取和統(tǒng)計(jì)

程序使用`pd.read_csv`函數(shù)逐塊讀取CSV文件，并將每塊的數(shù)據(jù)類型設(shè)置為字符串。然后使用`pd.Series`創(chuàng)建一個(gè)空的Series對(duì)象`value_counts`，用于存儲(chǔ)每個(gè)值的重復(fù)次數(shù)。使用`chunk.values.ravel()`獲取所有文本數(shù)據(jù)，并使用`value_counts`函數(shù)統(tǒng)計(jì)每個(gè)值的重復(fù)次數(shù)。最后，通過(guò)`value_counts.add`函數(shù)將每塊的統(tǒng)計(jì)結(jié)果累加到`value_counts`中。

from tqdm import tqdm
import pandas as pd
# 讀取CSV文件，并指定數(shù)據(jù)類型為字符串
chunksize = 1000000  # 每次讀取的塊大小
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):
    # 獲取所有文本數(shù)據(jù)并統(tǒng)計(jì)每個(gè)值的重復(fù)次數(shù)
    counts = pd.Series(chunk.values.ravel()).value_counts()
    value_counts = value_counts.add(counts, fill_value=0)

第二部分：結(jié)果處理和排序

首先，使用`value_counts.reset_index()`將`value_counts`的索引重置，并將列名改為'經(jīng)營(yíng)范圍'和'重復(fù)次數(shù)'。然后，使用`value_counts.sort_values`按重復(fù)次數(shù)從高到低對(duì)數(shù)據(jù)進(jìn)行排序。

# 重置索引并按重復(fù)次數(shù)從高到低排序
value_counts = value_counts.reset_index()
value_counts.columns = ['城市', '重復(fù)次數(shù)']
value_counts = value_counts.sort_values(by='重復(fù)次數(shù)', ascending=False)

第三部分：結(jié)果保存和進(jìn)度條顯示

程序使用`tqdm(total=len(value_counts), desc='Processing')`創(chuàng)建了一個(gè)進(jìn)度條對(duì)象`pbar`，并設(shè)置進(jìn)度條的總長(zhǎng)度為`value_counts`的長(zhǎng)度。接著，使用`value_counts.to_csv`將排序后的結(jié)果保存到新的CSV文件中，并設(shè)置`index=False`以避免保存索引列。然后，使用`pbar.update()`更新進(jìn)度條，表示處理完成。

最后，關(guān)閉進(jìn)度條并輸出一條完成消息。

# 創(chuàng)建進(jìn)度條
pbar = tqdm(total=len(value_counts), desc='Processing')
# 保存結(jié)果到新的CSV文件
value_counts.to_csv(r"C:\Users\dell\Desktop\表格二.csv", index=False)
# 更新進(jìn)度條
pbar.update()
# 關(guān)閉進(jìn)度條
pbar.close()
# 輸出消息
print("已經(jīng)去重完成，丫頭！")

完整代碼

from tqdm import tqdm
import pandas as pd
# 讀取CSV文件，并指定數(shù)據(jù)類型為字符串
chunksize = 1000000  # 每次讀取的塊大小
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):
    # 獲取所有文本數(shù)據(jù)并統(tǒng)計(jì)每個(gè)值的重復(fù)次數(shù)
    counts = pd.Series(chunk.values.ravel()).value_counts()
    value_counts = value_counts.add(counts, fill_value=0)
# 重置索引并按重復(fù)次數(shù)從高到低排序
value_counts = value_counts.reset_index()
value_counts.columns = ['城市', '重復(fù)次數(shù)']
value_counts = value_counts.sort_values(by='重復(fù)次數(shù)', ascending=False)
# 創(chuàng)建進(jìn)度條
pbar = tqdm(total=len(value_counts), desc='Processing')
# 保存結(jié)果到新的CSV文件
value_counts.to_csv(r"C:\Users\dell\Desktop\表格二.csv", index=False)
# 更新進(jìn)度條
pbar.update()
# 關(guān)閉進(jìn)度條
pbar.close()
# 輸出消息
print("已經(jīng)去重完成，丫頭！")

總體而言，該程序的目標(biāo)是讀取一個(gè)較大的CSV文件，統(tǒng)計(jì)其中每個(gè)值的重復(fù)次數(shù)，并將結(jié)果按重復(fù)次數(shù)從高到低進(jìn)行排序和保存。同時(shí)，使用進(jìn)度條顯示處理的進(jìn)度，以提供可視化的反饋。

到此這篇關(guān)于Python實(shí)現(xiàn)去除Excel重復(fù)數(shù)據(jù)并統(tǒng)計(jì)重復(fù)次數(shù)的文章就介紹到這了,更多相關(guān)Python去除Excel重復(fù)數(shù)據(jù)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: