读取CSV
-
读取CSV文件由两种方式：
-
第一种
import csvwith open('data.csv','r',encoding = 'utf8') as fp: reader = csv.reader(fp) for row in reader: print(row)-
第二种
import pandas as pd #需要导入pandas库df = pd.read_csv('data.csv')print(df)
用pandas库的.drop_duplicates函数
1 import shutil 2 import pandas as pd 3 4 5 frame=pd.read_csv('E:/bdbk.csv',engine='python') 6 data = frame.drop_duplicates(subset=['名称'], keep='first', inplace=False) 7 data.to_csv('E:/baike.csv', encoding='utf8')
通常会分为两种情况，一种是去除完全重复的行数据，另一种是去除某几列重复的行数据，就这两种情况可用下面的代码进行处理。
1. 去除完全重复的行数据
- data.drop_duplicates(inplace=True)
2. 去除某几列重复的行数据
- data.drop_duplicates(subset=['A','B'],keep='first',inplace=True)
subset： 列名，可选，默认为None
keep： {‘first’, ‘last’, False}, 默认值 ‘first’
- first： 保留第一次出现的重复行，删除后面的重复行。
- last： 删除重复项，除了最后一次出现。
- False： 删除所有重复项。
inplace：布尔值，默认为False，是否直接在原数据上删除重复项或删除重复项后返回副本。
（ 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。）
DataFrame.drop_duplicates(subset = None, keep = 'first')
DataFrame.drop_duplicates()中的参数完全实现。
其中subset这个参数默认‘None’是指选择所有列，即所有列的值都相同我才认为这两行是重复的，
也可以自定义为其中一部分列变量名，比如subset=['name','sex','age']。
keep参数中'first'和‘last’会根据index的前后产生不同的效果。参数False会去除所有重复行。
举个栗子：
name sex age
0 coco female 7
1 lily female 7
2 joe male 15
3 coco female 7
DataFrame.drop_duplicates(subset = None, keep = 'first')，产生的结果如下：
name sex age
0 coco female 7
1 lily female 7
2 joe male 15
若使用代码DataFrame.drop_duplicates(subset = None, keep = 'last')，结果如下：
name sex age
1 lily female 7
2 joe male 15
3 coco female 7
发现不考虑index以及行的顺序，效果与参数first相同。
若使用代码DataFrame.drop_duplicates(subset = None, keep = False), 则把相同的行全部删除，结果如下：
name sex age
1 lily female 7
2 joe male 15
所有重复的行都被删除，没有保留。
若使用代码DataFrame.drop_duplicates(subset = ['sex' , 'age'] , keep = False), 结果如下：
name sex age
2 joe male 15