Python实现去除Excel重复数据并统计重复次数
作者：上景
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！