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

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

1.安装

a.通过Pypi来安装
pip install pandas

b.通过源码来安装
git clone git://github.com/pydata/pandas.git
cd pandas
python setup.py install

2.按列读取数据

案例中的 lemon_cases.xlsx 文件内容如下所示：

import pandas as pd



# 读excel文件

# 返回一个DataFrame对象，多维数据结构

df = pd.read_excel('lemon_cases.xlsx', sheet_name='multiply')

print(df)



# 1.读取一列数据

# df["title"] 返回一个Series对象，记录title这列的数据

print(df["title"])



# Series对象能转化为任何序列类型和dict字典类型

print(list(df['title']))    # 转化为列表

# title为DataFrame对象的属性

print(list(df.title))    # 转化为列表

print(tuple(df['title']))   # 转化为元组

print(dict(df['title']))    # 转化为字典，key为数字索引



# 2.读取某一个单元格数据

# 不包括表头，指定列名和行索引

print(df['title'][0])   # title列，不包括表头的第一个单元格



# 3.读取多列数据

print(df[["title", "actual"]])

3.按行读取数据

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)



# 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:



![img](https://img-blog.csdnimg.cn/img_convert/6ae59cfabc6cdd8eeb345b1d77e0a0c4.png)
![img](https://img-blog.csdnimg.cn/img_convert/c8485be182a24b0495ab25a2d4c812da.png)
![img](https://img-blog.csdnimg.cn/img_convert/341e99b6a30558b35500edb6ba8e4f6a.png)

**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](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**

中...(img-JaRROZNg-1715535501835)]

**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](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**