104學習精靈

PYTHON資料分析

學習課程

共學證照測驗

PYTHON資料分析

關注

邀請朋友

Line

Facebook

複製連結

取消

「PYTHON資料分析：負責利用Python工具進行數據收集、清洗、分析及視覺化，以支持業務決策和策略制定。主要責任包括與不同部門協作，理解業務需求，並提供數據驅動的見解。需具備扎實的Python編程能力，熟悉數據分析庫（如Pandas、NumPy）及視覺化工具（如Matplotlib、Seaborn），具備良好的問題解決能力及溝通技巧，能在迅速變化的環境中適應和應對挑戰，將數據結果有效轉化為可執行建議，並能與團隊成員及管理層進行有效的資訊交流，提升整體業務效能。」

關於教室

關注人數 3 人

104人力銀行從職缺中挑選出常見技能所成立的官方教室，提供大家進行共學互動。

學習主持人

持續分享知識，
有機會成為官方教室主持人

教室標籤

PYTHON資料分析

Hi~ 歡迎分享學習資源，有學習問題可匿名向Giver發問！

我要分享

我要提問

PYTHON資料分析學習推薦

全部

影片

文章

不知如何開始嗎？先進行技能挑戰吧～

技能挑戰：初級

目前等級：未達初級

0 人已通過「初級」測驗，通過率0%，和學習精靈一起探索知識、增強能力！

我要挑戰

Mike的Python學院

關注

Mike Ku

Learn Code With Mike品牌創辦人

2022/01/21

3個實用的Pandas套件清理重複資料教學

本文以Kaggle網站的Amazon 2009-2019年Top50暢銷書資料集( https://www.kaggle.com/sootersaalu/amazon-top-50-bestselling-books-2009-2019 )為例，教大家如何查找及清理資料集的重複資料，提升資料的品質。

Q: Pandas duplicated()查找重複資料

想要使用Pandas套件查找資料集的重複資料，利用duplicated()方法(Method)可以得到每筆資料的重複狀態，True代表重複，False為沒重複，如下範例：

import pandas as pd

df = pd.read_csv('bestsellers with categories.csv')

print(df.duplicated())

接著，透過Pandas套件的括號[]語法即可檢視重複資料的各欄位資料，如下範例：

df = pd.read_csv('bestsellers with categories.csv')

print(df[df.duplicated()])

Pandas套件的duplicated()方法(Method)除了能夠查找所有欄位資料完全一樣的重複資料外，也提供了以下兩個關鍵字參數，來客製化查找的方式：

1. subset-查找特定欄位的重複資料

2. keep-保留第一筆(first)、最後一筆(last)或全部(False)的重複資料

如下範例：

df = pd.read_csv('bestsellers with categories.csv')

column_names = ['Name', 'Author', 'Year', 'Genre']

df = df[df.duplicated(subset=column_names, keep=False)]

print(df)

以上範例即是查找Name(書名)、Author(作者)、Year(出版年)及Genre(類型)四個欄位都一樣的重複資料，並且全部保留。

Q: Pandas drop_duplicates()刪除重複資料

從資料集裡找到重複的資料後，接下來，最常見的就是進行刪除或群組處理。

而要刪除完全一樣的重複資料，可以利用Pandas套件的drop_duplicates()方法(Method)，如下範例：

df = pd.read_csv('bestsellers with categories.csv')

df.drop_duplicates(inplace=True)

其中，inplace關鍵字參數代表直接從現有資料集中刪除重複資料。

另外，要刪除特定欄位重複的資料，同樣可以透過subset及keep關鍵字參數來達成，如下範例：

df = pd.read_csv('bestsellers with categories.csv')

column_names = ['Name', 'Author', 'Year', 'Genre']

df.drop_duplicates(subset=column_names, keep='first', inplace=True)

Q: Pandas groupby()、agg()群組重複資料

除了可以利用Pandas套件的drop_duplicates()方法(Method)刪除重複資料外，有時基於商業邏輯，可以透過群組的方式解決重複資料。

這時候，就可以利用Pandas套件的groupby()方法(Method)群組相同資料的欄位，以及agg()方法(Method)，統計運算剩餘的不同資料欄位，達到合併重複資料成一筆的效果，如下範例：

df = pd.read_csv('bestsellers with categories.csv')

column_names = ['Name', 'Author', 'Year', 'Genre']

summeries = {'User Rating': 'mean', 'Reviews': 'sum', 'Price': 'mean'}

df = df.groupby(by=column_names).agg(summeries).reset_index()

print(df)

如果想要學習更多的Python應用教學，歡迎前往Learn Code With Mike(https://www.learncodewithmike.com/2022/01/pandas-drop-duplicate-data.html

)網站觀看更多精彩內容。

看更多

learncodewithmike.com

[Pandas教學]3個實用的Pandas套件清理重複資料教學

3 0 1717 0

拍手

留言

分享到：

Line

Facebook

複製連結

取消

104學習精靈精選課程

看更多課程

想提升職場競爭力？專業技能課程看起來👇

ITS Python 國際認證班

 大量考古題練習，結訓原地考照！  官方指定教材，精準應對測驗！  考證滿分講師，實戰精驗豐富！  實體上課、線上複習，打造360度無死角的學習體驗！  免費贈送書籍「Certiport ITS Python 程式語言核心能力國際認證應考攻略」

緯育TibaMe

Python 網路爬蟲 | 數據分析的第一步就是要學會爬

有了一些Python基礎，想要更進一步學習網路爬蟲技術嗎？快跟著周凡剛老師的線上課程，學習與網路相關的函式庫，並建立完整的網路爬蟲核心觀念；讓TibaMe的Python網路爬蟲課程帶領你實際操作網站資料擷取的方法!

緯育TibaMe

ETL網路爬蟲實戰技巧

Java資料探勘ETL網路爬蟲實戰技巧入門實戰！跟著丘祐瑋老師使用Java的各種套件輕鬆擷取、剖析各式資料成為資料數據專家！從蒐集資料、清理、剖析開始，將結構化資料萃取出來，課程總共兩大單元，8次課中小測驗，一步步紮實學習 Java ETL！

緯育TibaMe

Python程式設計【本課程為線上課，報名後專員會提供上課資訊】

🎯本課程專為 Python 初學者設計，從語言介紹與開發環境設定開始，完整學習 Python 基礎語法與實用技巧，包括變數、流程控制、函式、模組使用、資料結構及檔案操作等主題。課程內容圖解搭配範例實作，幫助學員建立良好程式邏輯與動手實作能力，為後續進階資料分析、AI 應用與自動化工作流程打下紮實基礎，適合零基礎入門學習需求。

艾鍗學院

成為 AI 科學家｜快速闖關 Python 語法世界，程式實作不頭痛

學習程式語言時，總是遇到許多挫折嗎？這堂課將帶領你由淺入深熟悉 Python 語法與實作技巧，幫助你更了解運算思維，透過完整教學步驟，從系統環境安裝、設定到執行一次搞定，並挑選18個Python實作範例，由講師手把手帶你動手完成，讓你在最短時間內快速上手Python並實作專案。

緯育TibaMe

零基礎Python入門與資料科學

緯育TibaMe

學習精靈

06/12 00:00

youtube.com

初學者的Python金融分析日記 EP1 - 如何取得台股日線資料與高頻資料練習

15 0

分享到：

Line

Facebook

複製連結

取消

Mike的Python學院

關注

Mike Ku

Learn Code With Mike品牌創辦人

2022/01/20

教你用Pandas套件清理資料中的常見資料型態問題(下)

想要實作資料分析，讀取資料是第一步所要執行的動作，而如果沒有正確的進行資料前處理(Data Preprocessing)，就會影響最後分析結果的準確性及可靠性。

本文就先針對「資料型態」，來和大家分享如何有效找出髒資料(Dirty Data)，並且利用Pandas套件來進行資料處理或清理，避免髒資料(Dirty Data)導致分析的副作用。

Q: Pandas類別資料型態(category)處理

在實作機器學習或分類資料的時候，有時會以數字來分別表示不同類別的資料。

同樣以Kaggle網站的ASUS筆電資料集( https://www.kaggle.com/bhageshcodebeast/asus-laptops-2020-jun )為例，為了進行示範，Mike將「Category筆電類別欄位」利用以下三個數字表示：

0-其他

1-Premium

2-Platinum

Pandas讀取資料集後，如下範例：

import pandas as pd

df = pd.read_csv('AsusLaptops.csv')

print(df)

而各欄位的資料型態，如下範例：

import pandas as pd

df = pd.read_csv('AsusLaptops.csv')

print(df.info())

可以看到Pandas套件判定「Category筆電類別欄位」為int64(整數)型態，當利用Pandas套件的describe()方法(Method)進行摘要性統計的時候，就會看到數字型態的統計結果，如下範例：

import pandas as pd

df = pd.read_csv('AsusLaptops.csv')

print(df['Category'].describe())

但事實上，「Category筆電類別欄位」為類別資料型態(category)，如果沒有將欄位進行轉型，就有可能誤導後續的操作或統計。

解決方法，可以使用Pandas套件的astype()方法(Method)，將「Category筆電類別欄位」轉型為類別型態(category)，這時候，再透過describe()方法(Method)來查看摘要性統計的時候，就會是類別型態(category)的統計結果，如下範例：

import pandas as pd

df = pd.read_csv('AsusLaptops.csv')

df['Category'] = df['Category'].astype('category') #轉型

print(df['Category'].describe())

以上就是在進行資料分析的過程中，常見的資料型態問題，本文和大家分享了利用Pandas套件的info()方法(Method)，來查看各欄位的資料型態是否與需求相符，如果其中含有髒資料(Dirty Data)，可以使用strip()方法(Method)進行資料清理，以及透過astype()方法(Method)轉型為正確的資料型態。

如果想要學習更多的Python應用教學，歡迎前往Learn Code With Mike(https://www.learncodewithmike.com/2021/12/processing-data-type-with-pandas.html

)網站觀看更多精彩內容。