EXCEL数据如何去重？Python：这事我比你熟

数据出现重复值是我们日常工作中经常会遇到的问题，例如下面这个EXCEL表格里，订单编号这一列里出现了多个重复值，这个时候我们就要对数据进行去重了。去重的方法有很多，这里介绍两种方法：1、通过EXCEL去重；2、通过Python去重。

先给大家说一下在EXCEL里去重的基本方法，非常简单，先点击EXCEL工具栏上的“删除重复项”：

在弹出的界面里可以对去重的字段进行勾选，默认是全选的状态下，EXCEL会对所有相同行数的字段进行去重，如果只勾选某一列，EXCEL会对该列里重复的字段进行去重，这里我们只勾选订单编号这个字段：

点击确定，EXCEL便会完成去重的操作，这个方法非常简单，相信很多小伙伴都知道如何操作，下面重点给大家介绍一下如何通过Python进行去重。

用Python做数据分析需要先到官网安装Python的程序和PyCharm等其他的编辑器，还得安装一些数据分析常见的库，例如pandas，整个过程需要耗费不少时间。如果嫌麻烦，你也可以不用安装，直接登录智分析的官网并利用ETL功能去编写Python脚本，一样也可以实现Python的全部功能。

话不多说，我们进入智分析的网页端，把数据源上传到网页端，然后进入ETL的界面，把关系数据源的组件用鼠标拖拽到中间，这个时候我们需要对数据源进行选择，点击右边的参数，我们可以找到上传到网页端上的数据源文件，执行这个程序，数据源便可以成功加载到ETL里：

数据源加载后，我们可以用鼠标点击关系数据源组件对数据源进行预览，我们可以看到这份数据源有8568条，并且订单编号这一列是有重复值的：

这个时候我们点击左边脚本模块里的下拉菜单，把Python脚本的组件拉拽进来，并与关系数据源的组件进行相连：

点击Python脚本的参数设置，便会弹出Python的脚本编辑框，以下脚本是系统默认的存在的，已经提前预置的：

我们只需要在最后一句代码里加入drop_duplicates这个去重函数，然后指定是哪一列就可以了，这里我们以第一列为去重的目标字段：

最后我们看一下数据去重后的效果，去重后的数据只剩下了5489条：

完成去重后，我们可以选择把数据源以EXCEL的形式进行输出，这里教大家一个非常方便的方法，在ETL里选择已数据集的形式进行输出，然后在EXCEL进行调用是最方便的。我们先把数据集的组件拉拽过去，与上面的组件进行相连，并点击执行：

回到EXCEL里，打开智分析插件里的数据集面板，搜索刚刚保存成功的数据集，把数据集拉拽到EXCEL里，点击刷新，通过Python去重后的数据源便会全部显示在EXCEL中，是不是非常方便和简单呢？

通过上面的案例，我们可以看到Python结合ETL的功能去对数据进行清洗是非常方便的，一来是可以节省大量写代码的时间，二来可以利用ETL去和EXCEL完美地结合起来，真正地让EXCEL与其他工具做到无缝连接，在实际工作中真是非常的实用，如果你想学习Python但是苦于没有学习的方法的话，就赶紧来学习一下这种新的数据清洗方法吧。