快捷導(dǎo)航

Windows下Python使用Pandas模塊操作Excel文件的教程

更新時(shí)間：2016年05月31日 15:05:43 作者：wwt

Pandas是一個(gè)強(qiáng)大的Python數(shù)據(jù)分析模塊,這里我們先使用ANACONDA來幫助獲取Pandas所以來的一些環(huán)境,然后來初步學(xué)習(xí)Windows下Python使用Pandas模塊操作Excel文件的教程

安裝Python環(huán)境
ANACONDA是一個(gè)Python的發(fā)行版本，包含了400多個(gè)Python最常用的庫，其中就包括了數(shù)據(jù)分析中需要經(jīng)常使用到的Numpy和Pandas等。更重要的是，不論在哪個(gè)平臺(tái)上，都可以一鍵安裝，自動(dòng)配置好環(huán)境，不需要用戶任何的額外操作，非常方便。因此，安裝Python環(huán)境就只需要到ANACONDA網(wǎng)站上下載安裝文件，雙擊安裝即可。
ANACONDA官方下載地址：https://www.continuum.io/downloads
安裝完成之后，使用windows + r鍵打開Windows命令行，輸入ipython，然后回車：

Python 2.7.11 |Anaconda 2.5.0 (64-bit)| (default, Jan 29 2016, 14:26:21) [MSC v.1500 64 bit (AMD64)]

Type "copyright", "credits" or "license" for more information.

IPython 4.0.3 -- An enhanced Interactive Python.

?     -> Introduction and overview of IPython's features.

%quickref -> Quick reference.

help   -> Python's own help system.

object?  -> Details about 'object', use 'object??' for extra details.

如上所示，如果成功進(jìn)入了Python環(huán)境，則代表安裝成功。

使用pandas處理excel
在本文我以log.xls文件為例，來說明如何使用pandas處理excel文件。log.xls文件的內(nèi)容如下所示：

2016531150143615.jpg (1440×759)

可以看到log.xls中包含了多個(gè)的表（sheet），每個(gè)表主要包括了member和activity兩個(gè)屬性，相同的member ID的數(shù)據(jù)相鄰的排列在一起，并且最后一行是前面所有的匯總。這里，我們假設(shè)需要提取出每個(gè)member匯總的信息，即提取每個(gè)member連續(xù)出現(xiàn)的最后一行的數(shù)據(jù)。如何實(shí)現(xiàn)呢？

這里我們就來隆重介紹Pandas,，從https://pypi.python.org/pypi/pandas/0.16.2官方下載，cmd命令行進(jìn)入下載解壓目錄，

python setup.py install

安裝。

（PS：python的大數(shù)據(jù)模塊pandas完全安裝完畢后還依賴于
• NumPy: 1.6.1 or higher
• python-dateutil 1.5
• pytz
這三個(gè)模塊也許要安裝。
可選擇依賴有(可以根據(jù)需要安裝)
• SciPy: miscellaneous statistical functions
• PyTables: necessary for HDF5-based storage
• SQLAlchemy: for SQL database support. Version 0.8.1 or higher recommended.
• matplotlib: for plotting
• statsmodels
– Needed for parts of pandas.stats
• openpyxl, xlrd/xlwt
– openpyxl version 1.6.1 or higher, but lower than 2.0.0
– Needed for Excel I/O
• XlsxWriter
– Alternative Excel writer.
• boto: necessary for Amazon S3 access.

）

導(dǎo)入pandas模塊：

import pandas as pd

使用import讀入pandas模塊，并且為了方便使用其縮寫pd指代。

讀入待處理的excel文件：

df = pd.read_excel('log.xls')

通過使用read_excel函數(shù)讀入excel文件，后面需要替換成excel文件所在的路徑。讀入之后變?yōu)閜andas的DataFrame對(duì)象。DataFrame是一個(gè)面向列(column-oriented)的二維表結(jié)構(gòu)，且含有列表和行標(biāo)，對(duì)excel文件的操作就轉(zhuǎn)換為對(duì)DataFrame操作。另外，如果一個(gè)excel含有多個(gè)表，如果你只想讀入其中一個(gè)可以：

df = pd.read_excel('log.xls', sheetname=1)

增加了一個(gè)參數(shù)sheetname，表示的是第幾個(gè)表，從0開始計(jì)數(shù)。我上面設(shè)置的是1，也就是第二個(gè)表。

讀入之后，可以先查看表頭信息和每一列的數(shù)據(jù)類型：

df.dtypes

輸出如下：

Member     object
Unnamed: 1  float64
Unnamed: 2  float64
Unnamed: 3  float64
Unnamed: 4  float64
Unnamed: 5  float64
家內(nèi)外活動(dòng)類型    object
Unnamed: 7   object
activity    object
dtype: object

提取每個(gè)member連續(xù)出現(xiàn)的最后一行數(shù)據(jù)：

 new_df = df.drop_duplicates(subset='Member', keep='last')

以上語句的意思是根據(jù)Member字段去除掉多余的行，并且保留相同行的最后一行數(shù)據(jù)。這些就得到了每一個(gè)member最后一行的數(shù)據(jù)了，返回了經(jīng)過篩選后的DataFrame。

接下來需要將處理后的結(jié)果，保存為excel文件：

out = pd.ExcelWriter('output.xls')
new_df.to_excel(out)
out.save()

output.xls是你要保存的文件名，可以任取；然后將DataFrame的內(nèi)容保存到該文件，最后保存該文件到系統(tǒng)的磁盤上。

接下來，你就可以在當(dāng)前目錄看到一個(gè)新的文件，可以直接使用excel打開查看。

Pandas還提供了很多的API，可以根據(jù)具體的任務(wù)，查找API文檔，找到合適的函數(shù)來完成任務(wù)。

附：一個(gè)完整的示例

#coding=utf-8
import pandas as pd

# 讀入excel文件中的第2個(gè)表
df = pd.read_excel('log.xls', sheetname=1)
# 查看表的數(shù)據(jù)類型
print df.dtypes
# 查看Member列的數(shù)據(jù)
print df['Member']

'''
# 新建一列，每一行的值是Member列和activity列相同行值的和
for i in df.index:
  df['activity_2'][i] = df['Member'][i] + df['activity'][i]
'''

# 根據(jù)Member字段去除掉多余的行，并且保留相同行的最后一行數(shù)據(jù)
new_df = df.drop_duplicates(subset='Member', keep='last')
# 導(dǎo)出結(jié)果
out = pd.ExcelWriter('output.xls')
new_df.to_excel(out)
out.save()

您可能感興趣的文章: