python?pandas處理excel表格數(shù)據(jù)的常用方法總結(jié)
前言
最近助教改作業(yè)導(dǎo)出的成績表格跟老師給的名單順序不一致，腦殼一亮就用pandas寫了個(gè)腳本自動(dòng)吧原始導(dǎo)出的成績謄寫到老師給的名單中了哈哈哈，這里就記錄下用到的pandas處理excel的常用方式。（注意：只適用于.xlsx類型的文件）
1、讀取xlsx表格：pd.read_excel()
原始內(nèi)容如下：
a）讀取第n個(gè)Sheet（子表，在左下方可以查看或增刪子表）的數(shù)據(jù)
import pandas as pd # 每次都需要修改的路徑 path = "test.xlsx" # sheet_name默認(rèn)為0，即讀取第一個(gè)sheet的數(shù)據(jù) sheet = pd.read_excel(path, sheet_name=0) print(sheet) """ Unnamed: 0 name1 name2 name3 0 row1 1 2.0 3 1 row2 4 NaN 6 2 row3 7 8.0 9 """
可以注意到，原始表格左上角沒有填入內(nèi)容，讀取的結(jié)果是“Unnamed: 0” ，這是由于read_excel函數(shù)會默認(rèn)把表格的第一行為列索引名。另外，對于行索引名來說，默認(rèn)從第二行開始編號（因?yàn)槟J(rèn)第一行是列索引名，所以默認(rèn)第一行不是數(shù)據(jù)），如果不特意指定，則自動(dòng)從0開始編號，如下。
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，默認(rèn)從第二行開始編號，如果不特意指定，則自動(dòng)從0開始編號，返回列表形式 print(sheet.index.values) """ ['Unnamed: 0' 'name1' 'name2' 'name3'] [0 1 2] """
b）列索引名還可以自定義，如下：
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 col4 0 row1 1 2.0 3 1 row2 4 NaN 6 2 row3 7 8.0 9 ['col1' 'col2' 'col3' 'col4'] """
c）也可以指定第n列為行索引名，如下：
# 指定第一列為行索引
sheet = pd.read_excel(path, index_col=0)
print(sheet)
"""
name1 name2 name3
row1 1 2.0 3
row2 4 NaN 6
row3 7 8.0 9
"""d）讀取時(shí)跳過第n行的數(shù)據(jù)
# 跳過第2行的數(shù)據(jù)（第一行索引為0） sheet = pd.read_excel(path, skiprows=[1]) print(sheet) """ Unnamed: 0 name1 name2 name3 0 row2 4 NaN 6 1 row3 7 8.0 9 """
2、獲取表格的數(shù)據(jù)大?。簊hape
path = "test.xlsx"
# 指定第一列為行索引
sheet = pd.read_excel(path, index_col=0)
print(sheet)
print('==========================')
print('shape of sheet:', sheet.shape)
"""
name1 name2 name3
row1 1 2.0 3
row2 4 NaN 6
row3 7 8.0 9
==========================
shape of sheet: (3, 3)
"""3、索引數(shù)據(jù)的方法：[ ] / loc[] / iloc[]
1、直接加方括號索引
可以使用方括號加列名的方式 [col_name] 來提取某列的數(shù)據(jù)，然后再用方括號加索引數(shù)字 [index] 來索引這列的具體位置的值。這里索引名為name1的列，然后打印位于該列第1行（索引是1）位置的數(shù)據(jù)：4，如下：
sheet = pd.read_excel(path) # 讀取列名為 name1 的列數(shù)據(jù) col = sheet['name1'] print(col) # 打印該列第二個(gè)數(shù)據(jù) print(col[1]) # 4 """ 0 1 1 4 2 7 Name: name1, dtype: int64 4 """
2、iloc方法，按整數(shù)編號索引
使用 sheet.iloc[ ] 索引，方括號內(nèi)為行列的整數(shù)位置編號（除去作為行索引的那一列和作為列索引的哪一行后，從 0 開始編號）。
a）sheet.iloc[1, 2] ：提取第2行第3列數(shù)據(jù)。第一個(gè)是行索引，第二個(gè)是列索引
b）sheet.iloc[0: 2] ：提取前兩行數(shù)據(jù)
c）sheet.iloc[0:2, 0:2] ：通過分片的方式提取 前兩行 的 前兩列 數(shù)據(jù)
# 指定第一列數(shù)據(jù)為行索引
sheet = pd.read_excel(path, index_col=0)
# 讀取第2行（row2）的第3列（6）數(shù)據(jù)
# 第一個(gè)是行索引，第二個(gè)是列索引
data = sheet.iloc[1, 2]
print(data) # 6
print('================================')
# 通過分片的方式提取 前兩行 數(shù)據(jù)
data_slice = sheet.iloc[0:2]
print(data_slice)
print('================================')
# 通過分片的方式提取 前兩行 的 前兩列 數(shù)據(jù)
data_slice = sheet.iloc[0:2, 0:2]
print(data_slice)
"""
6
================================
name1 name2 name3
row1 1 2.0 3
row2 4 NaN 6
================================
name1 name2
row1 1 2.0
row2 4 NaN
"""3、loc方法，按行列名稱索引
使用 sheet.loc[ ] 索引，方括號內(nèi)為行列的名稱字符串。具體使用方式同 iloc ，只是把 iloc 的整數(shù)索引替換成了行列的名稱索引。這種索引方式用起來更直觀。
注意：iloc[1: 2] 是不包含2的，但是 loc['row1': 'row2'] 是包含 'row2' 的。
# 指定第一列數(shù)據(jù)為行索引
sheet = pd.read_excel(path, index_col=0)
# 讀取第2行（row2）的第3列（6）數(shù)據(jù)
# 第一個(gè)是行索引，第二個(gè)是列索引
data = sheet.loc['row2', 'name3']
print(data) # 1
print('================================')
# 通過分片的方式提取 前兩行 數(shù)據(jù)
data_slice = sheet.loc['row1': 'row2']
print(data_slice)
print('================================')
# 通過分片的方式提取 前兩行 的 前兩列 數(shù)據(jù)
data_slice1 = sheet.loc['row1': 'row2', 'name1': 'name2']
print(data_slice1)
"""
6
================================
name1 name2 name3
row1 1 2.0 3
row2 4 NaN 6
================================
name1 name2
row1 1 2.0
row2 4 NaN
"""4、判斷數(shù)據(jù)為空：np.isnan() / pd.isnull()
1、使用 numpy 庫的 isnan() 或 pandas 庫的 isnull() 方法判斷是否等于 nan 。
sheet = pd.read_excel(path) # 讀取列名為 name1 的列數(shù)據(jù) col = sheet['name2'] print(np.isnan(col[1])) # True print(pd.isnull(col[1])) # True """ True True """
2、使用 str() 轉(zhuǎn)為字符串，判斷是否等于 'nan' 。
sheet = pd.read_excel(path)
# 讀取列名為 name1 的列數(shù)據(jù)
col = sheet['name2']
print(col)
# 打印該列第二個(gè)數(shù)據(jù)
if str(col[1]) == 'nan':
print('col[1] is nan')
"""
0 2.0
1 NaN
2 8.0
Name: name2, dtype: float64
col[1] is nan
"""5、查找符合條件的數(shù)據(jù)
下面的代碼意會一下吧
# 提取name1 == 1 的行
mask = (sheet['name1'] == 1)
x = sheet.loc[mask]
print(x)
"""
name1 name2 name3
row1 1 2.0 3
"""6、修改元素值：replace()
sheet['name2'].replace(2, 100, inplace=True) ：把 name2 列的元素 2 改為元素 100，原位操作。
sheet['name2'].replace(2, 100, inplace=True)
print(sheet)
"""
name1 name2 name3
row1 1 100.0 3
row2 4 NaN 6
row3 7 8.0 9
"""sheet['name2'].replace(np.nan, 100, inplace=True) ：把 name2 列的空元素（nan）改為元素 100，原位操作。
import numpy as np
sheet['name2'].replace(np.nan, 100, inplace=True)
print(sheet)
print(type(sheet.loc['row2', 'name2']))
"""
name1 name2 name3
row1 1 2.0 3
row2 4 100.0 6
row3 7 8.0 9
"""7、增加數(shù)據(jù)：[ ]
增加列，直接使用中括號 [ 要添加的名字 ] 添加。
sheet['name_add'] = [55, 66, 77] ：添加名為 name_add 的列，值為[55, 66, 77]
path = "test.xlsx"
# 指定第一列為行索引
sheet = pd.read_excel(path, index_col=0)
print(sheet)
print('====================================')
# 添加名為 name_add 的列，值為[55, 66, 77]
sheet['name_add'] = [55, 66, 77]
print(sheet)
"""
name1 name2 name3
row1 1 2.0 3
row2 4 NaN 6
row3 7 8.0 9
====================================
name1 name2 name3 name_add
row1 1 2.0 3 55
row2 4 NaN 6 66
row3 7 8.0 9 77
"""8、刪除數(shù)據(jù)：del() / drop()
a）del(sheet['name3']) ：使用 del 方法刪除
sheet = pd.read_excel(path, index_col=0)
# 使用 del 方法刪除 'name3' 的列
del(sheet['name3'])
print(sheet)
"""
name1 name2
row1 1 2.0
row2 4 NaN
row3 7 8.0
"""b）sheet.drop('row1', axis=0)
使用 drop 方法刪除 row1 行，刪除列的話對應(yīng)的 axis=1。
當(dāng) inplace 參數(shù)為 True 時(shí)，不會返回參數(shù)，直接在原數(shù)據(jù)上刪除
當(dāng) inplace 參數(shù)為 False （默認(rèn)）時(shí)不會修改原數(shù)據(jù)，而是返回修改后的數(shù)據(jù)
sheet.drop('row1', axis=0, inplace=True)
print(sheet)
"""
name1 name2 name3
row2 4 NaN 6
row3 7 8.0 9
"""c）sheet.drop(labels=['name1', 'name2'], axis=1)
使用 label=[ ] 參數(shù)可以刪除多行或多列
# 刪除多列，默認(rèn) inplace 參數(shù)位 False，即會返回結(jié)果
print(sheet.drop(labels=['name1', 'name2'], axis=1))
"""
name3
row1 3
row2 6
row3 9
"""9、保存到excel文件：to_excel()
1、把 pandas 格式的數(shù)據(jù)另存為 .xlsx 文件
names = ['a', 'b', 'c']
scores = [99, 100, 99]
result_excel = pd.DataFrame()
result_excel["姓名"] = names
result_excel["評分"] = scores
# 寫入excel
result_excel.to_excel('test3.xlsx')
2、把改好的 excel 文件另存為 .xlsx 文件。
比如修改原表格中的 nan 為 100 后，保存文件：
import numpy as np
# 指定第一列為行索引
sheet = pd.read_excel(path, index_col=0)
sheet['name2'].replace(np.nan, 100, inplace=True)
sheet.to_excel('test2.xlsx')打開 test2.xlsx 結(jié)果如下：
總結(jié)
到此這篇關(guān)于python pandas處理excel表格數(shù)據(jù)的常用方法的文章就介紹到這了,更多相關(guān)pandas處理excel數(shù)據(jù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
Python使用pyaudio實(shí)現(xiàn)錄音功能
pyaudio是一個(gè)跨平臺的音頻I/O庫，使用PyAudio可以在Python程序中播放和錄制音頻，本文將利用它實(shí)現(xiàn)錄音功能，并做到停止說話時(shí)自動(dòng)結(jié)束2023-05-05
詳解如何修改jupyter notebook的默認(rèn)目錄和默認(rèn)瀏覽器
這篇文章主要介紹了詳解如何修改jupyter notebook的默認(rèn)目錄和默認(rèn)瀏覽器，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2021-01-01
Python?給人的印象是抓取網(wǎng)頁非常方便，提供這種生產(chǎn)力的，主要依靠的就是?urllib、requests這兩個(gè)模塊。本文主要給大家介紹一下urllib的使用，感興趣的可以了解一下2022-11-11
Python工廠模式實(shí)現(xiàn)封裝Webhook群聊機(jī)器人詳解
企業(yè)存在給 特定群組 自動(dòng)推送消息的需求，你可以在群聊中添加一個(gè)自定義機(jī)器人，通過服務(wù)端調(diào)用 webhook 地址，即可將外部系統(tǒng)的通知消息即時(shí)推送到群聊中。本文就來和大家聊聊具體實(shí)現(xiàn)方法2023-02-02
python中的對數(shù)log函數(shù)表示及用法
在本篇文章里小編給大家整理了一篇關(guān)于python中的對數(shù)log函數(shù)表示及用法，有需要的朋友們可以學(xué)習(xí)下。2020-12-12
這篇文章主要介紹了Python實(shí)現(xiàn)京東搶秒殺功能,本文給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2021-01-01
這篇文章主要介紹了Python虛擬環(huán)境的原理及使用詳解，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-07-07
這篇文章主要介紹了python模塊itsdangerous簡單介紹,本文通過案例分析給大家詳細(xì)講解，對python模塊itsdangerous相關(guān)知識感興趣的朋友一起看看吧2022-11-11
通過本文學(xué)習(xí)將學(xué)會如何使用 OpenCV 為多個(gè)圖像添加水印，在 OpenCV 中調(diào)整圖像大小也很方便，對OpenCV圖像加水印相關(guān)知識感興趣的朋友一起看看吧2021-09-09
解決Python中的modf()函數(shù)取小數(shù)部分不準(zhǔn)確問題
這篇文章主要介紹了解決Python中的modf()函數(shù)取小數(shù)部分不準(zhǔn)確問題，具有很好的參考價(jià)值，希望對大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2021-05-05