Python实现Excel表格数据以指定列去重
import pandas
file_path="4.2.xlsx"
sheet_1='fpy-01'
fpy_01=pandas.DataFrame(pandas.read_excel(file_path,sheet_1))# data = pd.DataFrame(pd.read_excel('test.xls', 'Sheet1'))# 查看是否有重复行
re_row= fpy_01.duplicated()print(re_row)# 查看去除重复行的数据
no_re_row= fpy_01.drop_duplicates(subset=['mo_no','serial_nbr','plant','part_build_date','cqas_station'],keep='first',inplace=False)# no_re_row = fpy_01.drop_duplicates(subset=['mo_no'],keep='first',inplace=None)print(no_re_row)
no_re_row.to_excel("4.2(副本).xlsx")print("去重完成！")# ####################################### ##### 去除Excel表格数据中重复行# ####################################### import pandas as pd# import numpy as np# file_path='MI FPY OOB UAT 4.2.xlsx'# df_excel = pd.read_excel(file_path)# 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=['B','R','T','V','AG'],keep='first',inplace=True)) #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# # no_re_row.to_excel("test2.xls")###################################################