欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python分析和處理excel文件數(shù)據(jù)的詳細(xì)步驟

 更新時(shí)間：2025年05月15日 08:52:34   作者：code_shenbing  
Python 提供了多種工具來(lái)分析和處理 Excel 文件數(shù)據(jù),最常用的庫(kù)包括 pandas、openpyxl 和 xlrd,本文將詳細(xì)介紹如何使用這些工具讀取、處理和分析 Excel 文件中的數(shù)據(jù),需要的朋友可以參考下

一、準(zhǔn)備工作

1. 安裝必要的庫(kù)

首先需要安裝 Python 的數(shù)據(jù)處理和 Excel 處理庫(kù)：

pip install pandas openpyxl xlrd

注意：

  • pandas 是核心數(shù)據(jù)處理庫(kù)
  • openpyxl 用于處理 .xlsx 格式的 Excel 文件
  • xlrd 用于處理較舊的 .xls 格式（從 xlrd 2.0.0 開(kāi)始不再支持 .xlsx）

2. 準(zhǔn)備 Excel 文件

假設(shè)我們有一個(gè)名為 sales_data.xlsx 的 Excel 文件，包含以下數(shù)據(jù)：

日期產(chǎn)品銷量單價(jià)銷售額
2023-01-01產(chǎn)品A101001000
2023-01-01產(chǎn)品B52001000
2023-01-02產(chǎn)品A8100800
2023-01-02產(chǎn)品C121501800
...............

二、讀取 Excel 文件

1. 使用 pandas 讀取

import pandas as pd
 
# 讀取整個(gè)工作表
df = pd.read_excel('sales_data.xlsx')
 
# 顯示前5行數(shù)據(jù)
print(df.head())
 
# 讀取特定工作表（如果有多個(gè)工作表）
# df = pd.read_excel('sales_data.xlsx', sheet_name='Sheet1')
 
# 讀取特定列
# df = pd.read_excel('sales_data.xlsx', usecols=['日期', '產(chǎn)品', '銷量'])

2. 使用 openpyxl 讀取

from openpyxl import load_workbook
 
# 加載工作簿
wb = load_workbook('sales_data.xlsx')
 
# 獲取活動(dòng)工作表或指定工作表
sheet = wb.active  # 或 wb['Sheet1']
 
# 讀取數(shù)據(jù)
data = []
for row in sheet.iter_rows(values_only=True):
    data.append(row)
 
# 轉(zhuǎn)換為DataFrame（可選）
import pandas as pd
df = pd.DataFrame(data[1:], columns=data[0])  # 假設(shè)第一行是標(biāo)題

三、數(shù)據(jù)基本操作

1. 查看數(shù)據(jù)信息

# 查看數(shù)據(jù)基本信息
print(df.info())
 
# 查看統(tǒng)計(jì)摘要
print(df.describe())
 
# 查看列名
print(df.columns.tolist())

2. 數(shù)據(jù)篩選

# 篩選特定日期的數(shù)據(jù)
jan_data = df[df['日期'] == '2023-01-01']
 
# 篩選銷量大于5的產(chǎn)品
high_sales = df[df['銷量'] > 5]
 
# 篩選多個(gè)條件
filtered_data = df[(df['日期'] >= '2023-01-01') & (df['產(chǎn)品'] == '產(chǎn)品A')]

3. 數(shù)據(jù)分組和聚合

# 按產(chǎn)品分組計(jì)算總銷量和總銷售額
product_stats = df.groupby('產(chǎn)品').agg({
    '銷量': 'sum',
    '銷售額': 'sum'
}).reset_index()
 
print(product_stats)
 
# 計(jì)算每日銷售額總和
daily_sales = df.groupby('日期')['銷售額'].sum().reset_index()

4. 數(shù)據(jù)排序

# 按銷售額降序排序
sorted_data = df.sort_values('銷售額', ascending=False)
 
# 按日期和銷量排序
sorted_data = df.sort_values(['日期', '銷量'], ascending=[True, False])

四、數(shù)據(jù)可視化

1. 使用 matplotlib 繪制圖表

import matplotlib.pyplot as plt
 
# 設(shè)置中文字體（避免中文顯示問(wèn)題）
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
 
# 繪制柱狀圖 - 各產(chǎn)品總銷量
product_stats.plot(kind='bar', x='產(chǎn)品', y='銷量', title='各產(chǎn)品總銷量')
plt.ylabel('銷量')
plt.show()
 
# 繪制折線圖 - 每日銷售額趨勢(shì)
daily_sales.plot(kind='line', x='日期', y='銷售額', title='每日銷售額趨勢(shì)')
plt.xlabel('日期')
plt.ylabel('銷售額')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

2. 使用 seaborn 進(jìn)行高級(jí)可視化

pip install seaborn
import seaborn as sns
 
# 設(shè)置風(fēng)格
sns.set(style="whitegrid")
 
# 繪制箱線圖 - 各產(chǎn)品銷量分布
plt.figure(figsize=(10, 6))
sns.boxplot(x='產(chǎn)品', y='銷量', data=df)
plt.title('各產(chǎn)品銷量分布')
plt.show()
 
# 繪制熱力圖 - 相關(guān)性分析
corr_matrix = df[['銷量', '單價(jià)', '銷售額']].corr()
sns.heatmap(corr_matrix, annot=True, cmap='coolwarm')
plt.title('變量相關(guān)性熱力圖')
plt.show()

五、數(shù)據(jù)處理與清洗

1. 處理缺失值

# 檢查缺失值
print(df.isnull().sum())
 
# 填充缺失值
df_filled = df.fillna({'銷量': 0, '單價(jià)': df['單價(jià)'].mean()})
 
# 刪除包含缺失值的行
df_dropped = df.dropna()

2. 數(shù)據(jù)類型轉(zhuǎn)換

# 轉(zhuǎn)換日期格式
df['日期'] = pd.to_datetime(df['日期'])
 
# 轉(zhuǎn)換數(shù)值類型
df['銷量'] = pd.to_numeric(df['銷量'], errors='coerce')
df['單價(jià)'] = pd.to_numeric(df['單價(jià)'], errors='coerce')
df['銷售額'] = pd.to_numeric(df['銷售額'], errors='coerce')

3. 數(shù)據(jù)標(biāo)準(zhǔn)化

from sklearn.preprocessing import StandardScaler
 
# 選擇需要標(biāo)準(zhǔn)化的列
features = df[['銷量', '單價(jià)', '銷售額']]
 
# 標(biāo)準(zhǔn)化處理
scaler = StandardScaler()
scaled_features = scaler.fit_transform(features)
 
# 轉(zhuǎn)換回DataFrame
scaled_df = pd.DataFrame(scaled_features, columns=features.columns)

六、高級(jí)分析技術(shù)

1. 時(shí)間序列分析

# 確保日期是datetime類型
df['日期'] = pd.to_datetime(df['日期'])
 
# 設(shè)置日期為索引
df.set_index('日期', inplace=True)
 
# 按周匯總銷售額
weekly_sales = df.resample('W')['銷售額'].sum()
 
# 移動(dòng)平均
df['7天移動(dòng)平均銷售額'] = df['銷售額'].rolling(window=7).mean()

2. 相關(guān)性分析

# 計(jì)算相關(guān)性矩陣
corr_matrix = df[['銷量', '單價(jià)', '銷售額']].corr()
 
# 可視化相關(guān)性
import seaborn as sns
import matplotlib.pyplot as plt
 
plt.figure(figsize=(8, 6))
sns.heatmap(corr_matrix, annot=True, cmap='coolwarm', center=0)
plt.title('變量相關(guān)性熱力圖')
plt.show()

3. 分組聚合與透 視表

# 使用groupby分組聚合
grouped = df.groupby(['產(chǎn)品', '日期']).agg({
    '銷量': 'sum',
    '銷售額': 'sum'
}).reset_index()
 
# 創(chuàng)建透 視表
pivot_table = df.pivot_table(
    values='銷售額',
    index='日期',
    columns='產(chǎn)品',
    aggfunc='sum',
    fill_value=0
)
 
print(pivot_table)

七、完整示例

下面是一個(gè)完整的分析流程示例：

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from datetime import datetime
 
# 1. 讀取數(shù)據(jù)
df = pd.read_excel('sales_data.xlsx')
 
# 2. 數(shù)據(jù)清洗
df['日期'] = pd.to_datetime(df['日期'])
df['銷量'] = pd.to_numeric(df['銷量'], errors='coerce').fillna(0)
df['單價(jià)'] = pd.to_numeric(df['單價(jià)'], errors='coerce').fillna(df['單價(jià)'].mean())
df['銷售額'] = pd.to_numeric(df['銷售額'], errors='coerce').fillna(0)
 
# 3. 基本統(tǒng)計(jì)
print("基本統(tǒng)計(jì)信息:")
print(df.describe())
 
# 4. 按產(chǎn)品分組統(tǒng)計(jì)
product_stats = df.groupby('產(chǎn)品').agg({
    '銷量': 'sum',
    '銷售額': 'sum',
    '單價(jià)': 'mean'
}).sort_values('銷售額', ascending=False)
 
print("\n各產(chǎn)品銷售統(tǒng)計(jì):")
print(product_stats)
 
# 5. 時(shí)間序列分析
df.set_index('日期', inplace=True)
daily_sales = df.resample('D')['銷售額'].sum()
 
# 6. 可視化
plt.figure(figsize=(15, 10))
 
# 每日銷售額趨勢(shì)
plt.subplot(2, 2, 1)
daily_sales.plot(title='每日銷售額趨勢(shì)')
plt.ylabel('銷售額')
 
# 各產(chǎn)品銷量對(duì)比
plt.subplot(2, 2, 2)
product_stats['銷量'].plot(kind='bar', title='各產(chǎn)品總銷量')
plt.ylabel('銷量')
 
# 銷量與單價(jià)關(guān)系
plt.subplot(2, 2, 3)
sns.scatterplot(data=df, x='單價(jià)', y='銷量', hue='產(chǎn)品')
plt.title('銷量與單價(jià)關(guān)系')
plt.xlabel('單價(jià)')
plt.ylabel('銷量')
 
# 產(chǎn)品銷售額占比
plt.subplot(2, 2, 4)
product_stats['銷售額'].plot(kind='pie', autopct='%1.1f%%', startangle=90)
plt.title('產(chǎn)品銷售額占比')
plt.ylabel('')  # 去掉默認(rèn)的ylabel
 
plt.tight_layout()
plt.show()

八、性能優(yōu)化技巧

對(duì)于大型 Excel 文件，可以考慮以下優(yōu)化方法：

  • ??只讀取需要的列??：

df = pd.read_excel('large_file.xlsx', usecols=['日期', '產(chǎn)品', '銷量'])

分塊讀取??：

chunk_size = 10000
chunks = pd.read_excel('very_large_file.xlsx', chunksize=chunk_size)
 
for chunk in chunks:
    process(chunk)  # 處理每個(gè)數(shù)據(jù)塊

  • ??使用更高效的文件格式??：

    • 將 Excel 轉(zhuǎn)換為 CSV 后處理（通常更快）
    • 使用 Parquet 或 Feather 格式存儲(chǔ)中間數(shù)據(jù)

  • ??并行處理??：

import dask.dataframe as dd
 
# 使用Dask處理大型數(shù)據(jù)集
ddf = dd.read_excel('large_file.xlsx')
result = ddf.groupby('產(chǎn)品').銷量.sum().compute()

九、常見(jiàn)問(wèn)題解決

  • ??中文顯示問(wèn)題??：

plt.rcParams['font.sans-serif'] = ['SimHei']  # 設(shè)置中文字體
plt.rcParams['axes.unicode_minus'] = False    # 解決負(fù)號(hào)顯示問(wèn)題

??日期格式不一致??：

# 嘗試多種日期格式解析
df['日期'] = pd.to_datetime(df['日期'], errors='coerce', format='%Y-%m-%d')
df['日期'] = pd.to_datetime(df['日期'], errors='coerce', format='%d/%m/%Y')
df['日期'].fillna(pd.to_datetime('1900-01-01'), inplace=True)  # 處理無(wú)法解析的日期

  1. ??內(nèi)存不足錯(cuò)誤??：

    • 使用 dtype 參數(shù)指定列的數(shù)據(jù)類型減少內(nèi)存使用
    • 分塊處理大型文件
    • 使用更高效的文件格式

十、擴(kuò)展分析方向

  1. ??預(yù)測(cè)分析??：

    • 使用時(shí)間序列模型預(yù)測(cè)未來(lái)銷售額
    • 應(yīng)用機(jī)器學(xué)習(xí)模型預(yù)測(cè)產(chǎn)品需求

  2. ??客戶細(xì)分??：

    • 基于購(gòu)買行為進(jìn)行客戶分群
    • 構(gòu)建RFM模型（最近購(gòu)買、頻率、金額）

  3. ??異常檢測(cè)??：

    • 識(shí)別異常銷售記錄
    • 檢測(cè)數(shù)據(jù)中的異常模式

  4. ??地理空間分析??：

    • 如果數(shù)據(jù)包含地理位置信息，可以進(jìn)行地理可視化
    • 分析不同地區(qū)的銷售表現(xiàn)

以上就是Python分析和處理excel文件數(shù)據(jù)的詳細(xì)步驟的詳細(xì)內(nèi)容，更多關(guān)于Python分析和處理excel數(shù)據(jù)的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

相關(guān)文章

  • 實(shí)操Python爬取覓知網(wǎng)素材圖片示例

    實(shí)操Python爬取覓知網(wǎng)素材圖片示例

    大家好，本篇文章介紹的是實(shí)操Python爬取覓知網(wǎng)素材圖片示例，感興趣的朋友趕快來(lái)看一看吧，對(duì)你有用的話記得收藏起來(lái)，方便下次瀏覽
    2021-11-11
  • python繪制餅圖和直方圖的方法

    python繪制餅圖和直方圖的方法

    這篇文章主要為大家詳細(xì)介紹了python繪制餅圖和直方圖的方法，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
    2022-04-04
  • PyCharm配置anaconda環(huán)境的步驟詳解

    PyCharm配置anaconda環(huán)境的步驟詳解

    PyCharm是一款很好用很流行的python編輯器。Anaconda通過(guò)管理工具包、開(kāi)發(fā)環(huán)境、Python版本，大大簡(jiǎn)化了你的工作流程。今天通過(guò)本文給大家分享PyCharm配置anaconda環(huán)境，感興趣的朋友一起看看吧
    2020-07-07
  • 使用TensorFlow實(shí)現(xiàn)二分類的方法示例

    使用TensorFlow實(shí)現(xiàn)二分類的方法示例

    這篇文章主要介紹了使用TensorFlow實(shí)現(xiàn)二分類的方法示例，小編覺(jué)得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧
    2019-02-02
  • Numpy數(shù)組的保存與讀取方法

    Numpy數(shù)組的保存與讀取方法

    下面小編就為大家分享一篇Numpy數(shù)組的保存與讀取方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2018-04-04
  • 解決pytorch 交叉熵?fù)p失輸出為負(fù)數(shù)的問(wèn)題

    解決pytorch 交叉熵?fù)p失輸出為負(fù)數(shù)的問(wèn)題

    這篇文章主要介紹了解決pytorch 交叉熵?fù)p失輸出為負(fù)數(shù)的問(wèn)題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2020-07-07
  • django模型查詢操作的實(shí)現(xiàn)

    django模型查詢操作的實(shí)現(xiàn)

    一旦創(chuàng)建好了數(shù)據(jù)模型，Django就會(huì)自動(dòng)為我們提供一個(gè)數(shù)據(jù)庫(kù)抽象API，允許創(chuàng)建、檢索、更新和刪除對(duì)象操作，本文就詳細(xì)的介紹一下，感興趣的可以了解一下
    2021-08-08
  • python神經(jīng)網(wǎng)絡(luò)Batch?Normalization底層原理詳解

    python神經(jīng)網(wǎng)絡(luò)Batch?Normalization底層原理詳解

    這篇文章主要為大家介紹了python神經(jīng)網(wǎng)絡(luò)Batch?Normalization底層原理詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪
    2022-05-05
  • Python去除字符串前后空格的三種方法匯總

    Python去除字符串前后空格的三種方法匯總

    這篇文章主要給大家介紹了關(guān)于Python去除字符串前后空格的三種方法,需要的朋友可以參考下
    2023-01-01
  • python通用讀取vcf文件的類（復(fù)制粘貼即可用）

    python通用讀取vcf文件的類（復(fù)制粘貼即可用）

    這篇文章主要介紹了python通用讀取vcf文件的類（可以直接復(fù)制粘貼使用） ,本文通過(guò)實(shí)例代碼給大家介紹的非常詳細(xì)，具有一定的參考借鑒價(jià)值，需要的朋友可以參考下
    2020-02-02

最新評(píng)論