python统计csv数据,计算重复数据次数,删除重复值

Python读取CSV,将csv数据中的重复值进行统计,统计之后删除重复内容,只保留第一次出现的值

 

# -- coding: utf-8 --

import os
import numpy as np
import pandas as pd
import time

start=time.time() #用于记录程序运行时间

os.chdir('G:\\GISworkspace\\Rprocess')
tx=open('level3_river_clipV6.csv')
df=pd.read_csv(tx)
tx.close()
Cname=df['NAME_CH']

num=np.array(range(0,len(Cname)))                                #用于记录每个地名重复出现次数
# print(num)
# print(Cname)
space=range(0,len(Cname))
# print(space,type(space))
space=pd.DataFrame(space,columns=['name'])
# space['name'][0]=(Cname[2])
# print(space)
# print(df['NAME_CH'])                                         #取某一列


for i in range(len(Cname)):
    k = 0                                                      #记录次数
    for j in range(len(Cname)):
        if (Cname[i]==Cname[j]):
            space['name'][i]=Cname[j]
            k=k+1
        else:
            k=k
    num[i] = k

# print(space)
# print(num)
num=pd.DataFrame(data=num,columns=['num'])
# print(num)
frame=[space,num]                                                #concat进行两个dataframe合并
result=pd.concat(frame,axis=1)                                   #axis=1为向右连接,  =0 为向下连接
# print(result)
result=result.drop_duplicates('name',keep='first')                      #去除重复行,可以利用单列也可以用多列  即 result.drop_duplicates(['col1','col2'],keep='first'),
                                                                 # keep='first'即只保留第一次出现的值

result.to_csv('Cname_10km.csv')                                       #输出

end=time.time()
print(end-start)                                            #查看程序运行时间         R运行4.7min,python运行时间 31s


 

R语言版本链接:https://blog.csdn.net/qq_42940285/article/details/120938875https://blog.csdn.net/qq_42940285/article/details/120938875icon-default.png?t=L9C2https://blog.csdn.net/qq_42940285/article/details/120938875

原始数据python统计csv数据,计算重复数据次数,删除重复值_第1张图片 

 处理后数据

python统计csv数据,计算重复数据次数,删除重复值_第2张图片

经测试,同样结构处理同样数据,R运行时间为3min左右,python运行时间为31s左右。

你可能感兴趣的:(Python自学,1024程序员节,python)