如何用Python的Pandas库处理Excel数据？
时间：2023-05-09 00:18
原始内容如下： a）读取第n个Sheet（子表，在左下方可以查看或增删子表）的数据 可以注意到，原始表格左上角没有填入内容，读取的结果是“Unnamed: 0” ，这是由于read_excel函数会默认把表格的第一行为列索引名。另外，对于行索引名来说，默认从第二行开始编号（因为默认第一行是列索引名，所以默认第一行不是数据），如果不特意指定，则自动从0开始编号，如下。 b）列索引名还可以自定义，如下： c）也可以指定第n列为行索引名，如下： d）读取时跳过第n行的数据 1、直接加方括号索引 可以使用方括号加列名的方式 [col_name] 来提取某列的数据，然后再用方括号加索引数字 [index] 来索引这列的具体位置的值。这里索引名为name1的列，然后打印位于该列第1行（索引是1）位置的数据：4，如下： 2、iloc方法，按整数编号索引 使用 sheet.iloc[ ] 索引，方括号内为行列的整数位置编号（除去作为行索引的那一列和作为列索引的哪一行后，从 0 开始编号）。 b）sheet.iloc[0: 2] ：提取前两行数据 c）sheet.iloc[0:2, 0:2] ：通过分片的方式提取 前两行 的 前两列 数据 3、loc方法，按行列名称索引 使用 sheet.loc[ ] 索引，方括号内为行列的名称字符串。具体使用方式同 iloc ，只是把 iloc 的整数索引替换成了行列的名称索引。这种索引方式用起来更直观。 注意：iloc[1: 2] 是不包含2的，但是 loc['row1': 'row2'] 是包含 'row2' 的。 1、使用 numpy 库的 isnan() 或 pandas 库的 isnull() 方法判断是否等于 nan 。 2、使用 str() 转为字符串，判断是否等于 'nan' 。 下面的代码意会一下吧 sheet['name2'].replace(2, 100, inplace=True) ：把 name2 列的元素 2 改为元素 100，原位操作。 sheet['name2'].replace(np.nan, 100, inplace=True) ：把 name2 列的空元素（nan）改为元素 100，原位操作。 增加列，直接使用中括号 [ 要添加的名字 ] 添加。 sheet['name_add'] = [55, 66, 77] ：添加名为 name_add 的列，值为[55, 66, 77] a）del(sheet['name3']) ：使用 del 方法删除 b）sheet.drop('row1', axis=0) 使用 drop 方法删除 row1 行，删除列的话对应的 axis=1。 当 inplace 参数为 True 时，不会返回参数，直接在原数据上删除 当 inplace 参数为 False （默认）时不会修改原数据，而是返回修改后的数据 c）sheet.drop(labels=['name1', 'name2'], axis=1) 使用 label=[ ] 参数可以删除多行或多列 1、把 pandas 格式的数据另存为 .xlsx 文件 2、把改好的 excel 文件另存为 .xlsx 文件。 比如修改原表格中的 nan 为 100 后，保存文件： 打开 test2.xlsx 结果如下： 以上就是如何用Python的Pandas库处理Excel数据？的详细内容，更多请关注Gxl网其它相关文章！1、读取xlsx表格：pd.read_excel()
import pandas as pd# 每次都需要修改的路径path = "test.xlsx"# sheet_name默认为0，即读取第一个sheet的数据sheet = pd.read_excel(path, sheet_name=0)print(sheet)""" Unnamed: 0 name1 name2 name30 row1 1 2.0 31 row2 4 NaN 62 row3 7 8.0 9"""
sheet = pd.read_excel(path)# 查看列索引名，返回列表形式print(sheet.columns.values)# 查看行索引名，默认从第二行开始编号，如果不特意指定，则自动从0开始编号，返回列表形式print(sheet.index.values)"""['Unnamed: 0' 'name1' 'name2' 'name3'][0 1 2]"""
sheet = pd.read_excel(path, names=['col1', 'col2', 'col3', 'col4'])print(sheet)# 查看列索引名，返回列表形式print(sheet.columns.values)""" col1 col2 col3 col40 row1 1 2.0 31 row2 4 NaN 62 row3 7 8.0 9['col1' 'col2' 'col3' 'col4']"""
# 指定第一列为行索引sheet = pd.read_excel(path, index_col=0)print(sheet)""" name1 name2 name3row1 1 2.0 3row2 4 NaN 6row3 7 8.0 9"""
# 跳过第2行的数据（第一行索引为0）sheet = pd.read_excel(path, skiprows=[1])print(sheet)""" Unnamed: 0 name1 name2 name30 row2 4 NaN 61 row3 7 8.0 9"""
2、获取表格的数据大小：shape
path = "test.xlsx"# 指定第一列为行索引sheet = pd.read_excel(path, index_col=0)print(sheet)print('==========================')print('shape of sheet:', sheet.shape)""" name1 name2 name3row1 1 2.0 3row2 4 NaN 6row3 7 8.0 9==========================shape of sheet: (3, 3)"""3、索引数据的方法：[ ] / loc[] / iloc[]
sheet = pd.read_excel(path)# 读取列名为 name1 的列数据col = sheet['name1']print(col)# 打印该列第二个数据print(col[1]) # 4"""0 11 42 7Name: name1, dtype: int644"""
a）sheet.iloc[1, 2] ：提取第2行第3列数据。第一个是行索引，第二个是列索引# 指定第一列数据为行索引sheet = pd.read_excel(path, index_col=0)# 读取第2行（row2）的第3列（6）数据# 第一个是行索引，第二个是列索引data = sheet.iloc[1, 2]print(data) # 6print('================================')# 通过分片的方式提取 前两行 数据data_slice = sheet.iloc[0:2]print(data_slice)print('================================')# 通过分片的方式提取 前两行 的 前两列 数据data_slice = sheet.iloc[0:2, 0:2]print(data_slice)"""6================================ name1 name2 name3row1 1 2.0 3row2 4 NaN 6================================ name1 name2row1 1 2.0row2 4 NaN"""# 指定第一列数据为行索引sheet = pd.read_excel(path, index_col=0)# 读取第2行（row2）的第3列（6）数据# 第一个是行索引，第二个是列索引data = sheet.loc['row2', 'name3']print(data) # 1print('================================')# 通过分片的方式提取 前两行 数据data_slice = sheet.loc['row1': 'row2']print(data_slice)print('================================')# 通过分片的方式提取 前两行 的 前两列 数据data_slice1 = sheet.loc['row1': 'row2', 'name1': 'name2']print(data_slice1)"""6================================ name1 name2 name3row1 1 2.0 3row2 4 NaN 6================================ name1 name2row1 1 2.0row2 4 NaN"""4、判断数据为空：np.isnan() / pd.isnull()
sheet = pd.read_excel(path)# 读取列名为 name1 的列数据col = sheet['name2'] print(np.isnan(col[1])) # Trueprint(pd.isnull(col[1])) # True"""TrueTrue"""
sheet = pd.read_excel(path)# 读取列名为 name1 的列数据col = sheet['name2']print(col)# 打印该列第二个数据if str(col[1]) == 'nan': print('col[1] is nan')"""0 2.01 NaN2 8.0Name: name2, dtype: float64col[1] is nan"""5、查找符合条件的数据
# 提取name1 == 1 的行mask = (sheet['name1'] == 1)x = sheet.loc[mask]print(x)""" name1 name2 name3row1 1 2.0 3"""
6、修改元素值：replace()
sheet['name2'].replace(2, 100, inplace=True)print(sheet)""" name1 name2 name3row1 1 100.0 3row2 4 NaN 6row3 7 8.0 9"""
import numpy as np sheet['name2'].replace(np.nan, 100, inplace=True)print(sheet)print(type(sheet.loc['row2', 'name2']))""" name1 name2 name3row1 1 2.0 3row2 4 100.0 6row3 7 8.0 9"""
7、增加数据：[ ]
path = "test.xlsx"# 指定第一列为行索引sheet = pd.read_excel(path, index_col=0)print(sheet)print('====================================')# 添加名为 name_add 的列，值为[55, 66, 77]sheet['name_add'] = [55, 66, 77]print(sheet)""" name1 name2 name3row1 1 2.0 3row2 4 NaN 6row3 7 8.0 9==================================== name1 name2 name3 name_addrow1 1 2.0 3 55row2 4 NaN 6 66row3 7 8.0 9 77"""8、删除数据：del() / drop()
sheet = pd.read_excel(path, index_col=0)# 使用 del 方法删除 'name3' 的列del(sheet['name3'])print(sheet)""" name1 name2row1 1 2.0row2 4 NaNrow3 7 8.0"""
sheet.drop('row1', axis=0, inplace=True)print(sheet)""" name1 name2 name3row2 4 NaN 6row3 7 8.0 9"""# 删除多列，默认 inplace 参数位 False，即会返回结果print(sheet.drop(labels=['name1', 'name2'], axis=1))""" name3row1 3row2 6row3 9"""
9、保存到excel文件：to_excel()
names = ['a', 'b', 'c']scores = [99, 100, 99]result_excel = pd.DataFrame()result_excel["姓名"] = namesresult_excel["评分"] = scores# 写入excelresult_excel.to_excel('test3.xlsx')
import numpy as np # 指定第一列为行索引sheet = pd.read_excel(path, index_col=0)sheet['name2'].replace(np.nan, 100, inplace=True)sheet.to_excel('test2.xlsx')
热门排行
今日推荐
热门手游
-
只能留一个体验服版
版本：v1.0
大小：104.33MB
日期：2024-11-30
-
公主扎染吧测试版
版本：v1.0.0
大小：40.23MB
日期：2024-11-30
-
像素达人官方版
版本：v1.0
大小：78.34MB
日期：2024-11-30
-
木头俄罗斯方块破解版
版本：v2022.05.05
大小：35.17MB
日期：2024-11-30
-
100种开锁方式体验服版
版本：v1.0
大小：20.14MB
日期：2024-11-30
-
解压体验馆测试版
版本：v1.0.0
大小：90.39MB
日期：2024-11-30