python统计csv数据,计算重复数据次数,删除重复值

时间:2025-04-08 21:46:13
  • # -- coding: utf-8 --
  • import os
  • import numpy as np
  • import pandas as pd
  • import time
  • start=() #用于记录程序运行时间
  • ('G:\\GISworkspace\\Rprocess')
  • tx=open('level3_river_clipV6.csv')
  • df=pd.read_csv(tx)
  • ()
  • Cname=df['NAME_CH']
  • num=(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=(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=(data=num,columns=['num'])
  • # print(num)
  • frame=[space,num] #concat进行两个dataframe合并
  • result=(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=()
  • print(end-start) #查看程序运行时间 R运行4.7min,python运行时间 31s