(代码详解)python实现分组计数+查看重复数据+删除重复数据+对数据进行排序

有如下数据：

如何按照"学校名称"进行分组，然后对每个学校的"专业代码"进行计数统计呢？

请看下边介绍

(一)导入数据

import pandas as pd
data=pd.read_excel("C:\\Users\\86159\Desktop\\CSDN\\分组计数数据.xlsx")

(二)查看重复行

data.duplicated()#查看重复行

结果如下：

说明索引为2，也就是第三行是重复行，一般在进行分组计数前需要去除重复数据

(三) 去除重复行

#删除重复行
data=data.drop_duplicates(keep='first')

       其中，`keep='first'` 表示在删除重复记录时，保留第一次出现的记录。换句话说，它会删除后续出现的相同记录，只保留第一个出现的记录。

结果如下：

        可以看出，索引为2 的那一行重复值被删除掉了，剩下的数据都是不重复的

 (四)分组计数

#groupby按学校名称分组
#agg对"专业代码"这一列数据进行统计频数
result=pd.DataFrame(data.groupby(['学校名称'])["专业代码"].agg('count'))

result.columns=["专业数量"]#指定列的名称为专业数量

        代码的意思是对名为"学校名称"的列进行分组，然后对"专业代码"列进行计数求和操作

        result.columns=["专业数量"]：指定列的名称为专业数量

结果如下：

(五) 对数据进行排序(降序或升序)

#根据"专业数量"进行排序
result.sort_values(by="专业数量",inplace=True, ascending=False) 

     这是一行Python代码，用于对名为`result`的DataFrame进行排序。

     以下是代码的组成部分和含义：

     1. `result.sort_values()`：这是Pandas库中的一个方法，用于对DataFrame进行排序。

     2. `by="专业数量"`：指定排序的依据是列名称为"专业数量"的列。

     3. `inplace=True`：表示在原地（inplace）进行排序，而不是创建一个新的排序后的DataFrame。

      4. `ascending=False`：表示按照降序（descending）排序。如果设置为True，则表示按照升序（ascending）排序。

     综上，这行代码的意思是：根据名为"专业数量"的列，对名为`result`的DataFrame进行降序排序。

结果如下：

 排完序后，可以取专业数量前三名的数据，如下：

result_top=result.head(3)#前3个数据