自从学会了Pandas，我用Python处理Excel更高效了_python panda excel(1)

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上软件测试知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化的资料的朋友，可以戳这里获取

读excel文件

df = pd.read_excel(‘lemon_cases.xlsx’, sheet_name=‘multiply’) # 返回一个DataFrame对象，多维数据结构

print(df)

1.读取一行数据

不包括表头，第一个索引值为0

获取第一行数据，可以将其转化为list、tuple、dict

print(list(df.iloc[0])) # 转成列表

print(tuple(df.iloc[0])) # 转成元组

print(dict(df.iloc[0])) # 转成字典

print(dict(df.iloc[-1])) # 也支持负索引

2.读取某一个单元格数据

不包括表头，指定行索引和列索引（或者列名）

print(df.iloc[0][“l_data”]) # 指定行索引和列名

print(df.iloc[0][2]) # 指定行索引和列索引

3.读取多行数据

print(df.iloc[0:3])

4.iloc和loc方法

import pandas as pd

读excel文件

df =pd.read_excel(‘lemon_cases.xlsx’, sheet_name=‘multiply’) # 返回一个DataFrame对象，多维数据结构

print(df)

1.iloc方法

iloc使用数字索引来读取行和列

也可以使用iloc方法读取某一列

print(df.iloc[:, 0])

print(df.iloc[:, 1])

print(df.iloc[:, -1])

读取多列

print(df.iloc[:, 0:3])

读取多行多列

print(df.iloc[2:4, 1:4])

print(df.iloc[[1, 3], [2, 4]])

2.loc方法

loc方法，基于标签名或者索引名来选择

print(df.loc[1:2, “title”]) # 多行一列

print(df.loc[1:2, “title”:“r_data”]) # 多列多行

基于布尔类型来选择

print(df[“r_data”] > 5) # 某一列中大于5的数值为True，否则为False

print(df.loc[df[“r_data”] > 5]) # 把r_data列中大于5，所在的行选择出来

print(df.loc[df[“r_data”] > 5, “r_data”:“actual”]) # 把r_data到actual列选择出来

5.读取所有数据

import pandas as pd

读excel文件

df = pd.read_excel(‘lemon_cases.xlsx’, sheet_name=‘multiply’) # 返回一个DataFrame对象，多维数据结构

print(df)

读取的数据为嵌套列表的列表类型，此方法不推荐使用

print(df.values)

嵌套字典的列表

datas_list = []

for r_index in df.index:

datas_list.append(df.iloc[r_index].to_dict())

print(datas_list)

6.写入数据

import pandas as pd

读excel文件

df = pd.read_excel(‘lemon_cases.xlsx’, sheet_name=‘multiply’) # 返回一个DataFrame对象，多维数据结构

print(df)

df[‘result’][0] = 1000

print(df)

with pd.ExcelWriter(‘lemon_cases_new.xlsx’) as writer:

df.to_excel(writer, sheet_name="New", index=False)

### 03 使用pandas来操作csv文件


1.读取csv文件

案例中的 data.log 文件内容如下所示：

TestID,TestTime,Success

0,149,0

1,69,0

2,45,0

3,18,1

4,18,1

import pandas as pd

读取csv文件

方法一，使用read_csv读取，列与列之间默认以逗号分隔（推荐方法）

a.第一行为列名信息

csvframe = pd.read_csv(‘data.log’)

b.第一行没有列名信息，直接为数据

csvframe = pd.read_csv(‘data.log’, header=None)

c.第一行没有列名信息，直接为数据，也可以指定列名

csvframe = pd.read_csv(‘data.log’, header=None, names=[“Col1”, “Col2”, “Col3”])

方法二，read_table，需要指定列与列之间分隔符为逗号

csvframe = pd.read_table(‘data.log’, sep=“,”)

2.解答面试题

import pandas as pd

1.读取csv文件

csvframe = pd.read_csv(‘data.log’)

2.选择Success为0的行

new_csvframe = csvframe.loc[csvframe[“Success”] == 0]

result_csvframe = new_csvframe[“TestTime”]

avg_result = round(sum(result_csvframe)/len(result_csvframe), 2)

print(“TestTime最小值为：{}\nTestTime最大值为：{}\nTestTime平均值为：{}”.

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上软件测试知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化的资料的朋友，可以戳这里获取

中…(img-GChYbGNY-1715535420262)]

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上软件测试知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化的资料的朋友，可以戳这里获取