Python和Excel的完美結(jié)合的常用操作案例匯總
前言
在以前,商業(yè)分析對應(yīng)的英文單詞是Business Analysis,大家用的分析工具是Excel,后來數(shù)據(jù)量大了,Excel應(yīng)付不過來了(Excel最大支持行數(shù)為1048576行),人們開始轉(zhuǎn)向python和R這樣的分析工具了,這時候商業(yè)分析對應(yīng)的單詞是Business Analytics。
其實python和Excel的使用準則一樣,都是[We don't repeat ourselves],都是盡可能用更方便的操作替代機械操作和純體力勞動。
用python做數(shù)據(jù)分析,離不開著名的pandas包,經(jīng)過了很多版本的迭代優(yōu)化,pandas現(xiàn)在的生態(tài)圈已經(jīng)相當完整了,官網(wǎng)還給出了它和其他分析工具的對比:
本文用的主要也是pandas,繪圖用的庫是plotly,實現(xiàn)的Excel的常用功能有:
- Python和Excel的交互
- vlookup函數(shù)
- 數(shù)據(jù)透視表
- 繪圖
以后如果發(fā)掘了更多Excel的功能,會回來繼續(xù)更新和補充。
開始之前,首先按照慣例加載pandas包:
import numpy as np import pandas as pd pd.set_option('max_columns', 10) pd.set_option('max_rows', 20) pd.set_option('display.float_format', lambda x: '%.2f' % x) # 禁用科學計數(shù)法
Python和Excel的交互
pandas里最常用的和Excel I/O有關(guān)的四個函數(shù)是read_csv/ read_excel/ to_csv/ to_excel,它們都有特定的參數(shù)設(shè)置,可以定制想要的讀取和導(dǎo)出效果。
比如說想要讀取這樣一張表的左上部分:
可以用pd.read_excel("test.xlsx", header=1, nrows=17, usecols=3),返回結(jié)果:
df
Out[]:
工號 姓名 性別 部門
0 A0001 張偉 男 工程
1 A0002 王秀英 女 人事
2 A0003 王芳 女 行政
3 A0004 鄭勇 男 市場
4 A0005 張麗 女 研發(fā)
5 A0006 王艷 女 后勤
6 A0007 李勇 男 市場
7 A0008 李娟 女 工程
8 A0009 張靜 女 人事
9 A0010 王磊 男 行政
10 A0011 李娜 女 市場
11 A0012 劉詩雯 女 研發(fā)
12 A0013 王剛 男 后勤
13 A0014 葉倩 女 后勤
14 A0015 金雯雯 女 市場
15 A0016 王超杰 男 工程
16 A0017 李軍 男 人事
輸出函數(shù)也同理,使用多少列,要不要index,標題怎么放,都可以控制。
vlookup函數(shù)
vlookup號稱是Excel里的神器之一,用途很廣泛,下面的例子來自豆瓣,VLOOKUP函數(shù)最常用的10種用法,你會幾種?
案例一
問題:A3:B7單元格區(qū)域為字母等級查詢表,表示60分以下為E級、60~69分為D級、70~79分為C級、80~89分為B級、90分以上為A級。D:G列為初二年級1班語文測驗成績表,如何根據(jù)語文成績返回其字母等級?
方法:在H3:H13單元格區(qū)域中輸入=VLOOKUP(G3, 3:7, 2)
python實現(xiàn):
df = pd.read_excel("test.xlsx", sheet_name=0) def grade_to_point(x): if x >= 90: return 'A' elif x >= 80: return 'B' elif x >= 70: return 'C' elif x >= 60: return 'D' else: return 'E' df['等級'] = df['語文'].apply(grade_to_point) df Out[]: 學號 姓名 性別 語文 等級 0 101 王小麗 女 69 D 1 102 王寶勤 男 85 B 2 103 楊玉萍 女 49 E 3 104 田東會 女 90 A 4 105 陳雪蛟 女 73 C 5 106 楊建豐 男 42 E 6 107 黎梅佳 女 79 C 7 108 張興 男 91 A 8 109 馬進春 女 48 E 9 110 魏改娟 女 100 A 10 111 王冰研 女 64 D
案例二
問題:在Sheet1里面如何查找折舊明細表中對應(yīng)編號下的月折舊額?(跨表查詢)
方法:在Sheet1里面的C2:C4單元格輸入 =VLOOKUP(A2, 折舊明細表!AG$12, 7, 0)
python實現(xiàn):使用merge將兩個表按照編號連接起來就行
df1 = pd.read_excel("test.xlsx", sheet_name='折舊明細表') df2 = pd.read_excel("test.xlsx", sheet_name=1) #題目里的sheet1 df2.merge(df1[['編號', '月折舊額']], how='left', on='編號') Out[]: 編號 資產(chǎn)名稱 月折舊額 0 YT001 電動門 1399 1 YT005 桑塔納轎車 1147 2 YT008 打印機 51
案例三
問題:類似于案例二,但此時需要使用近似查找
方法:在B2:B7區(qū)域中輸入公式=VLOOKUP(A2&"*", 折舊明細表!2:12, 6, 0)
python實現(xiàn):這個比起上一個要麻煩一些,需要用到一些pandas的使用技巧
df1 = pd.read_excel("test.xlsx", sheet_name='折舊明細表') df3 = pd.read_excel("test.xlsx", sheet_name=3) #含有資產(chǎn)名稱簡寫的表 df3['月折舊額'] = 0 for i in range(len(df3['資產(chǎn)名稱'])): df3['月折舊額'][i] = df1[df1['資產(chǎn)名稱'].map(lambda x:df3['資產(chǎn)名稱'][i] in x)]['月折舊額'] df3 Out[]: 資產(chǎn)名稱 月折舊額 0 電動 1399 1 貨車 2438 2 惠普 132 3 交聯(lián) 10133 4 桑塔納 1147 5 春蘭 230
案例四
問題:在Excel中錄入數(shù)據(jù)信息時,為了提高工作效率,用戶希望通過輸入數(shù)據(jù)的關(guān)鍵字后,自動顯示該記錄的其余信息,例如,輸入員工工號自動顯示該員工的信命,輸入物料號就能自動顯示該物料的品名、單價等。
如圖所示為某單位所有員工基本信息的數(shù)據(jù)源表,在“2010年3月員工請假統(tǒng)計表”工作表中,當在A列輸入員工工號時,如何實現(xiàn)對應(yīng)員工的姓名、身份證號、部門、職務(wù)、入職日期等信息的自動錄入?
方法:使用VLOOKUP+MATCH函數(shù),在“2010年3月員工請假統(tǒng)計表”工作表中選擇B3:F8單元格區(qū)域,輸入下列公式=IF(A3,員工基本信息!H,MATCH(B員工基本信息2:$2,0),0)),按下【Ctrl+Enter】組合鍵結(jié)束。
python實現(xiàn):上面的Excel的方法用得很靈活,但是pandas的想法和操作更簡單方便些
df4 = pd.read_excel("test.xlsx", sheet_name='員工基本信息表') df5 = pd.read_excel("test.xlsx", sheet_name='請假統(tǒng)計表') df5.merge(df4[['工號', '姓名', '部門', '職務(wù)', '入職日期']], on='工號') Out[]: 工號 姓名 部門 職務(wù) 入職日期 0 A0004 龔夢娟 后勤 主管 2006-11-20 1 A0003 趙敏 行政 文員 2007-02-16 2 A0005 黃凌 研發(fā) 工程師 2009-01-14 3 A0007 王維 人事 經(jīng)理 2006-07-24 4 A0016 張君寶 市場 工程師 2007-08-14 5 A0017 秦羽 人事 副經(jīng)理 2008-03-06
案例五
問題:用VLOOKUP函數(shù)實現(xiàn)批量查找,VLOOKUP函數(shù)一般情況下只能查找一個,那么多項應(yīng)該怎么查找呢?如下圖,如何把張一的消費額全部列出?
方法:在C9:C11單元格里面輸入公式=VLOOKUP(B$9&ROW(A1),IF({1,0},$B$2:$B$6&COUNTIF(INDIRECT("b2:b"&ROW($2:$6)),B$9),$C$2:$C$6),2,),按SHIFT+CTRL+ENTER鍵結(jié)束。
python實現(xiàn):vlookup函數(shù)有兩個不足(或者算是特點吧),一個是被查找的值一定要在區(qū)域里的第一列,另一個是只能查找一個值,剩余的即便能匹配也不去查找了,這兩點都能通過靈活應(yīng)用if和indirect函數(shù)來解決,不過pandas能做得更直白一些。
df6 = pd.read_excel("test.xlsx", sheet_name='消費額') df6[df6['姓名'] == '張一'][['姓名', '消費額']] Out[]: 姓名 消費額 0 張一 100 2 張一 300 4 張一 1000
數(shù)據(jù)透視表
數(shù)據(jù)透視表是Excel的另一個神器,本質(zhì)上是一系列的表格重組整合的過程。這里用的案例來自知乎,Excel數(shù)據(jù)透視表有什么用途:(https://www.zhihu.com/question/22484899/answer/39933218 )
問題:需要匯總各個區(qū)域,每個月的銷售額與成本總計,并同時算出利潤
通過Excel的數(shù)據(jù)透視表的操作最終實現(xiàn)了下面這樣的效果:
python實現(xiàn):對于這樣的分組的任務(wù),首先想到的就是pandas的groupby,代碼寫起來也簡單,思路就是把剛才Excel的點鼠標的操作反映到代碼命令上:
df = pd.read_excel('test.xlsx', sheet_name='銷售統(tǒng)計表') df['訂購月份'] = df['訂購日期'].apply(lambda x:x.month) df2 = df.groupby(['訂購月份', '所屬區(qū)域'])[['銷售額', '成本']].agg('sum') df2['利潤'] = df2['銷售額'] - df2['成本'] df2 Out[]: 銷售額 成本 利潤 訂購月份 所屬區(qū)域 1 南京 134313.61 94967.84 39345.77 常熟 177531.47 163220.07 14311.40 無錫 316418.09 231822.28 84595.81 昆山 159183.35 145403.32 13780.03 蘇州 287253.99 238812.03 48441.96 2 南京 187129.13 138530.42 48598.71 常熟 154442.74 126834.37 27608.37 無錫 464012.20 376134.98 87877.22 昆山 102324.46 86244.52 16079.94 蘇州 105940.34 91419.54 14520.80 ... ... ... 11 南京 286329.88 221687.11 64642.77 常熟 2118503.54 1840868.53 277635.01 無錫 633915.41 536866.77 97048.64 昆山 351023.24 342420.18 8603.06 蘇州 1269351.39 1144809.83 124541.56 12 南京 894522.06 808959.32 85562.74 常熟 324454.49 262918.81 61535.68 無錫 1040127.19 856816.72 183310.48 昆山 1096212.75 951652.87 144559.87 蘇州 347939.30 302154.25 45785.05 [60 rows x 3 columns]
也可以使用pandas里的pivot_table函數(shù)來實現(xiàn):
df3 = pd.pivot_table(df, values=['銷售額', '成本'], index=['訂購月份', '所屬區(qū)域'] , aggfunc='sum') df3['利潤'] = df3['銷售額'] - df3['成本'] df3 Out[]: 成本 銷售額 利潤 訂購月份 所屬區(qū)域 1 南京 94967.84 134313.61 39345.77 常熟 163220.07 177531.47 14311.40 無錫 231822.28 316418.09 84595.81 昆山 145403.32 159183.35 13780.03 蘇州 238812.03 287253.99 48441.96 2 南京 138530.42 187129.13 48598.71 常熟 126834.37 154442.74 27608.37 無錫 376134.98 464012.20 87877.22 昆山 86244.52 102324.46 16079.94 蘇州 91419.54 105940.34 14520.80 ... ... ... 11 南京 221687.11 286329.88 64642.77 常熟 1840868.53 2118503.54 277635.01 無錫 536866.77 633915.41 97048.64 昆山 342420.18 351023.24 8603.06 蘇州 1144809.83 1269351.39 124541.56 12 南京 808959.32 894522.06 85562.74 常熟 262918.81 324454.49 61535.68 無錫 856816.72 1040127.19 183310.48 昆山 951652.87 1096212.75 144559.87 蘇州 302154.25 347939.30 45785.05 [60 rows x 3 columns]
pandas的pivot_table的參數(shù)index/ columns/ values和Excel里的參數(shù)是對應(yīng)上的(當然,我這話說了等于沒說,數(shù)據(jù)透視表里不就是行/列/值嗎還能有啥。)
但是我個人還是更喜歡用groupby,因為它運算速度非???。我在打kaggle比賽的時候,有一張表是貸款人的行為信息,大概有2700萬行,用groupby算了幾個聚合函數(shù),幾秒鐘就完成了。
groupby的功能很全面,內(nèi)置了很多aggregate函數(shù),能夠滿足大部分的基本需求,如果你需要一些其他的函數(shù),可以搭配使用apply和lambda。
不過pandas的官方文檔說了,groupby之后用apply速度非常慢,aggregate內(nèi)部做過優(yōu)化,所以很快,apply是沒有優(yōu)化的,所以建議有問題先想想別的方法,實在不行的時候再用apply。
我打比賽的時候,為了生成一個新變量,用了groupby的apply,寫了這么一句:ins['weight'] = ins[['SK_ID_PREV', 'DAYS_ENTRY_PAYMENT']].groupby('SK_ID_PREV').apply(lambda x: 1-abs(x)/x.sum().abs()).iloc[:,1],1000萬行的數(shù)據(jù),足足算了十多分鐘,等得我心力交瘁。
繪圖
因為Excel畫出來的圖能夠交互,能夠在圖上進行一些簡單操作,所以這里用的python的可視化庫是plotly,案例就用我這個學期發(fā)展經(jīng)濟學課上的作業(yè)吧,當時的圖都是用Excel畫的,現(xiàn)在用python再畫一遍。開始之前,首先加載plotly包。
import plotly.offline as off import plotly.graph_objs as go off.init_notebook_mode()
柱狀圖
當時用Excel畫了很多的柱狀圖,其中的一幅圖是
下面用plotly來畫一下:
df = pd.read_excel("plot.xlsx", sheet_name='高等教育入學率') trace1 = go.Bar( x=df['國家'], y=df[1995], name='1995', opacity=0.6, marker=dict( color='powderblue' ) ) trace2 = go.Bar( x=df['國家'], y=df[2005], name='2005', opacity=0.6, marker=dict( color='aliceblue', ) ) trace3 = go.Bar( x=df['國家'], y=df[2014], name='2014', opacity=0.6, marker=dict( color='royalblue' ) ) layout = go.Layout(barmode='group') data = [trace1, trace2, trace3] fig = go.Figure(data, layout) off.plot(fig)
雷達圖
用Excel畫的:
用python畫的:
df = pd.read_excel('plot.xlsx', sheet_name='政治治理') theta = df.columns.tolist() theta.append(theta[0]) names = df.index df[''] = df.iloc[:,0] df = np.array(df) trace1 = go.Scatterpolar( r=df[0], theta=theta, name=names[0] ) trace2 = go.Scatterpolar( r=df[1], theta=theta, name=names[1] ) trace3 = go.Scatterpolar( r=df[2], theta=theta, name=names[2] ) trace4 = go.Scatterpolar( r=df[3], theta=theta, name=names[3] ) data = [trace1, trace2, trace3, trace4] layout = go.Layout( polar=dict( radialaxis=dict( visible=True, range=[0,1] ) ), showlegend=True ) fig = go.Figure(data, layout) off.plot(fig)
畫起來比Excel要麻煩得多。
總體而言,如果畫簡單基本的圖形,用Excel是最方便的,如果要畫高級一些的或者是需要更多定制化的圖形,使用python更合適。
到此這篇關(guān)于Python和Excel的完美結(jié)合的常用操作案例匯總的文章就介紹到這了,更多相關(guān)Python和Excel結(jié)合內(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數(shù)據(jù)結(jié)構(gòu)樹與算法分析
這篇文章主要介紹了Python數(shù)據(jù)結(jié)構(gòu)樹與算法分析,文章圍繞主題展開詳細的內(nèi)容介紹,具有一定的參考價值,需要的小伙伴可以參考一下2022-07-07利用django model save方法對未更改的字段依然進行了保存
這篇文章主要介紹了利用django model save方法對未更改的字段依然進行了保存,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-03-03python matplotlib坐標軸設(shè)置的方法
本篇文章主要介紹了python matplotlib坐標軸設(shè)置的方法,小編覺得挺不錯的,現(xiàn)在分享給大家,也給大家做個參考。一起跟隨小編過來看看吧2017-12-12Pandas 類型轉(zhuǎn)換astype()的實現(xiàn)
本文主要介紹了Pandas 類型轉(zhuǎn)換astype()的實現(xiàn),文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2022-07-07Python+appium框架原生代碼實現(xiàn)App自動化測試詳解
這篇文章主要介紹了Python+appium框架原生代碼實現(xiàn)App自動化測試詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-03-03在scrapy中使用phantomJS實現(xiàn)異步爬取的方法
今天小編就為大家分享一篇在scrapy中使用phantomJS實現(xiàn)異步爬取的方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2018-12-12