使用 Python Pandas 从 CSV 文件中删除重复记录

Question

我想使用 Python Pandas 从 csv 文件中删除重复记录 CSV 包含具有三个属性 scale、minzoom、maxzoom 的记录。我想要一个带有 minzoom 和 maxzoom 的结果数据框，并且留下的记录是唯一的

即

输入 CSV 文件（lookup_scales.csv）

 Scale, minzoom, maxzoom
 2000, 0, 15
 3000, 0, 15
 10000, 8, 15
 20000, 8, 15
 200000, 15, 18
 250000, 15, 18

需要 distinct_lookup_scales.csv（没有刻度列）

minzoom, maxzoom
0,5
8,15
15,18

到目前为止我的代码是

lookup_scales_df = pd.read_csv('C:/Marine/lookup/lookup_scales.csv', names = ['minzoom','maxzoom'])
lookup_scales_df = lookup_scales_df.set_index([2, 3])
file_name = "C:/Marine/lookup/distinct_lookup_scales.csv"
lookup_scales_df.groupby('minzoom', 'maxzoom').to_csv(file_name, sep=',')

非常感谢任何帮助。我是 pandas 的新手，正在使用 dataframe

Answer 1

您可以使用 pd.read_csv()、pd.to_csv() 和 drop_duplicates():

import pandas as pd

df = pd.read_csv('test.csv', sep=', ', engine='python')

new_df = df[['minzoom','maxzoom']].drop_duplicates()

new_df.to_csv('out.csv', index=False)

输出到 out.csv：

minzoom,maxzoom
0,15
8,15
15,18

在阅读 test.csv 时请注意 sep=', '，否则您的列名称包含前导 space 如果保留默认值 sep=','。

Answer 2

你不需要 numpy 或任何你可以在一行中进行唯一化的东西，同时使用 pandas:

导入 csv

import pandas as pd
df = pd.read_csv('lookup_scales.csv', usecols=['minzoom', 'maxzoom']).drop_duplicates(keep='first').reset_index()

输出：

   minzoom  maxzoom
0        0       15
1        8       15
2       15       18

然后将其写入 csv：

df.to_csv(file_name, index=False) # you don't need to set sep in this because to_csv makes it comma delimited.

所以整个代码：

import pandas as pd
df = pd.read_csv('lookup_scales.csv', usecols=['minzoom', 'maxzoom']).drop_duplicates(keep='first').reset_index()
file_name = "C:/Marine/lookup/distinct_lookup_scales.csv"
df.to_csv(file_name, index=False) # you don't need to set sep in this because to_csv makes it comma delimited.

Answer 3

d_kennetz 提供的答案是完全错误的。在保持其他列不变的情况下执行此操作的正确方法是替换 h

#df = pd.read_csv('yourcsvfilehere.csv').drop_duplicates('columnnamehere',keep='first')

使用 Python Pandas 从 CSV 文件中删除重复记录

Removing duplicate records from CSV file using Python Pandas

python

pandas

csv

grouping

distinct-values