这几天气温超高,大家要注意防暑,当然也要记得运动完千万别直接吃冰淇淋也千万别猛吹空调,不然就会拉肚子加热伤风
今天要为大家介绍如何使用Excel 和 Python处理数据集中的重复值
案例数据继续使用UCI的红酒质量评分数据集,字段“ID”为调查样本的唯一标识
需要完成的任务是检测并删除重复的调查样本
知识点6:检测重复值
Excel
选中“ID”列,开始——条件格式——突出显示单元格规则——重复值——确定
Python
import pandas as pd #载入pandas库
data = pd.read_excel('C:/Users/dell-pc/Desktop/data.xlsx') #读取Excel文件数据
data.head(5) #显示前5行数据
data["ID"].value_counts() #通过对“ID”进行计数来检测是否存在重复情况
知识点7:删除重复值
Excel
数据——数据工具——删除重复项——勾选“ID”——确定
Python
data.drop_duplicates(subset = "ID", keep = "first", inplace = True) #删除ID重复的数据行,但保留重复数据中的第一行
data.head(5) #显示删除重复值后的前5行数据
data["ID"].value_counts() #再通过对“ID”进行计数来检测是否还存在重复情况
参数名称 | 参数用途 |
---|---|
subset | 用于指定按哪个变量的重复值删除数据行,默认为”None“,即仅当两行数据完全相同时才进行删除 |
keep | 用于指定保留重复数据中的第一行(first)或最后一行(last),默认为”first“ |