利用pandas处理Excel数据

2021年09月15日 阅读数:5
这篇文章主要向大家介绍利用pandas处理Excel数据,主要内容包括基础应用、实用技巧、原理机制等方面,希望对大家有所帮助。

新建一个excel表格(table1.csv)用于案例讲解:ide

利用pandas处理Excel数据_Python

导库

import pandas as pd
import numpy as np

读取数据

df = pd.read_excel('table1.xlsx') # 相对路径
# df = pd.read_excel(r'E:\Anaconda\hc\dataScience\table1.csv') # 绝对路径

显示数据

显示数据的行与列数函数

df.shape

(6, 5)

显示数据格式dtpyesexcel

df.dtypes

Name      object
Age        int64
Sex        int64
Class      int64
Score    float64
dtype: object

显示列名blog

df.columns

Index(['Name', 'Age', 'Sex', 'Class', 'Score'], dtype='object')

显示前数据前2行排序

df.head(2)

利用pandas处理Excel数据_Python_02

显示数据后3行ip

df.tail(3)

利用pandas处理Excel数据_Python_03

显示数据惟一值(unique函数)ci

df['Score'].unique()

array([ 80.,  90., 100.,  nan])

对第几行数据不读取pandas

# 没有读取第2行
df1 = pd.read_excel('table1.csv',skiprows=[2] ) 

利用pandas处理Excel数据_Python_04

对缺失值进行识别it

# 全部缺失值显示为True
df.isnull()

利用pandas处理Excel数据_Python_05

清洗数据

删除空值(dropna函数)table

df2 = df.dropna(how='any')

利用pandas处理Excel数据_Python_06

填充空值(fillna函数)

df3 = df.fillna(value=0)

利用pandas处理Excel数据_Python_07

用均值对空值进行填充

df4 = df['Score'].fillna(df['Score'].mean())

0     80.0
1     90.0
2    100.0
3     90.0
4     88.0
5     80.0
Name: Score, dtype: float64

更改数据格式

df1['Score'].astype('int64')

0     80
1     90
2    100
3     90
5     80
Name: Score, dtype: int64

(注:若是存在空值,更改数据格式会报错!)

更改列名

df5 = df.rename(columns={'Score': 'score'})

利用pandas处理Excel数据_Python_08

对列表内的值进行替换(replace函数)

df6 = df['Name'].replace('Bob', 'bob')

0     Tom
1    Jack
2    Alan
3    Tony
4     Tim
5     bob
Name: Name, dtype: object

数据预处理

对数据进行排序

df.sort_values(by=['Score'])

利用pandas处理Excel数据_Python_09

(注:默认升序,且空值在后面)

数据分组

①单一条件分组

# 若是Score列的值>=85,Score列显示high,不然显示low
# group列为增长列
df['group'] = np.where(df['Score'] > 85,'high','low')

利用pandas处理Excel数据_Python_10

②多个条件分组

# 利用loc函数,进行多列查询
# sign为增长列
df.loc[(df['Sex'] == 1) & (df['Age']>= 19), 'sign']=1

利用pandas处理Excel数据_Python_11

数据提取

按标签提取(loc函数)

df.loc[0:3]

利用pandas处理Excel数据_Python_12

按位置进行提取(iloc函数)

①按区域提取

df.iloc[:4, :5]

利用pandas处理Excel数据_Python_13

②按位置提取

#[0, 2, 5] 表明指定的行,[0, 1, 5] 表明指定的列
df.iloc[[0, 2, 5],[0, 1, 5]]

利用pandas处理Excel数据_Python_14

按条件提取(isin与loc函数)

①用isin函数进行判断

# 判断Sex是否为1
df['Sex'].isin([1])

0     True
1     True
2     True
3    False
4    False
5     True
Name: Sex, dtype: bool

利用pandas处理Excel数据_Python_15

②用loc函数进行判断

# Sex为1,分数大于85
df1.loc[(df1['Sex'] == 1) & (df1['Score'] > '85'), ['Name','Age','Class']]

③先判断结果,将结果为True的提取

# 先判断Score列里是否包含80和90,而后将复合条件的数据提取出来。
df.loc[df['Score'].isin(['80','90'])]

利用pandas处理Excel数据_Python_16