# 導入pandas包并重命名為pd
import pandas as pd
 
# 讀取Excel中Sheet1中的數據
data = pd.DataFrame(pd.read_excel('test.xls', 'Sheet1'))
 
# 查看讀取數據內容
print(data)
 
# 查看是否有重復行
re_row = data.duplicated()
print(re_row)
 
# 查看去除重復行的數據
no_re_row = data.drop_duplicates()
print(no_re_row)
 
# 查看基于[物品]列去除重復行的數據
#wp = data.drop_duplicates(['物品'])
#print(wp)
 
# 將去除重復行的數據輸出到excel表中
no_re_row.to_excel("test2.xls") 

######################################
##### 讀寫excel(xls\xlsx)文件
import pandas as pd
import numpy as np
df_excel = pd.read_excel('data3.xlsx')
print('數據量行*列',df_excel.shape)
# # df_excel.to_excel('df_excel.xlsx',header=None)#生成文件保存，無表頭
print('數據集中存在重復觀測的數量：\n',np.sum(df_excel.duplicated())) #F為不存在，T為存在，用sum顯示重復的數量
print('刪除行重復后的數據\n',df_excel.drop_duplicates(subset=None,keep='first',inplace=None))#excel文件中設定第一和第二行為重復行，結果刪除了第二行保留第一行
              ###df_excel.drop_duplicates(subset=['A','B'],keep='first',inplace=True)
              #### 代碼中subset對應的值是列名，表示只考慮這兩列，將這兩列對應值相同的行進行去重。默認值為subset=None表示考慮所有列。
              #####keep='first'表示保留第一次出現的重復行，是默認值。keep另外兩個取值為"last"和False，分別表示保留最后一次出現的重復行和去除所有重復行。
              #####inplace=True表示直接在原來的DataFrame上刪除重復項，而默認值False表示生成一個副本

print('數據集列中是否存在缺失值：\n',df_excel.isnull().any())       #F為不存在，T為存在
print('每一行的缺失值個數：',df_excel.isnull().sum(axis=1))
print('每一列的缺失值個數：',df_excel.isnull().sum(axis=0))

          ####### df.isnull().sum(axis=0)每一列的缺失值個數
          #####df.isnull().any()則會判斷哪些”列”存在缺失值
df=df_excel.dropna()
print(df_excel.dropna(thresh=5))
                # #axis=0: 刪除包含缺失值（NaN）的行
                # #axis=1: 刪除包含缺失值（NaN）的列
                # # how=‘any' :要有缺失值（NaN）出現刪除
                # # how=‘all': 所有的值都缺失（NaN）才刪除
                # 還有一個thresh參數
                # thresh=n，保留至少有 n 個非 NaN 數的行

######drop用法
print(df_excel.drop(['edu'],axis=1))#按照列刪除edu這一列
print(df_excel.drop([0],axis=0))#按照行刪除0這一行