Excel数据正确的填充方式-Python自动化办公-fillna

最新推荐文章于 2024-04-29 14:05:04 发布

百里图书

最新推荐文章于 2024-04-29 14:05:04 发布

阅读量683

点赞数 1

分类专栏： python 文章标签： python excel

本文链接：https://blog.csdn.net/arron_12/article/details/115149737

版权

python 专栏收录该内容

17 篇文章 1 订阅

订阅专栏

Hello, 大家好

相信大家都已经在微信上，抖音上，或者别人的嘴里，听说过Python 编程，人工智能，大数据啥啥啥的。

但是那终究是个概念，我们让概念变成现实，那就得放下自己的观念，其实我也可以学编程，只要你有一台电脑，就随时随地可以学Python编程。

这是给没接触过Python 编程人的建议，赶紧来学吧，别整的像，我是干产品的，干运营的，干管理的，干保洁，干保安的，干等等工作的，学Python 跟我无关一样。

实际上，互联网上有几种不同的声音。

第一种：Python 编程就是忽悠人的，学完了，也不会写代码，也不会用。

这种人就是花了很多钱，很多精力，最终没有坚持下来的人群，因为他们缺乏各种练习，

导致手动能力很差，对自己完全丧失自信，已经很丧了，你问他如何学Python, 那基本会被同化。

第二种：我们是培训机构，我么培训Python 人工智能，数据分析，大数据，月薪过万轻轻松松，赶紧来学吧。

培训机构最牛的就是销售人员，他们会过度美化技术，美化培训行业，存在即合理，通过培训，如果学苗好，老师负责，全部就业，学会编程，几率是蛮大的，

如果学苗差，都是初中、小学毕业的小伙伴学习编程，和同为大学生学习编程，因为两种人群基础不同，没有站在同一起跑线，导致教学过程中很不公平，

就会导致一部分学历差的，学习的时候跟不上，导致落差很大。

老师、机构在没有及时纠正每个学员，的漏洞知识，时间长了，必然会淘汰一批人，并且社会上众多公司有一种恶俗的行为首先看第一学历，来判断一个人的能力。

导致很多学编程，即使学会了，也不会快速就业。这就是风险。

第三种：Python 能干着，能干那，助教老师真可爱，学起来真有意思，导致一看就懂，一学就会，一做就废。

因为会根据基础差的人群，去相应的去除掉Python 编程里的复杂的知识点，甚至找一些非常简单的案例，让学员，一看就懂，一做就会的案例。

但是实际需求中，需求复杂多变，需要结合很多技术模块，很多细节处理，课程中可是没有的，周期短，导致学完并不能，直接上手工作，需要很长一段时间，去练习。

这种一看就懂，有个好处，起码前期你理解它的骨架，好多血肉和细节，是我们缺失的，还需要找人交流，百度咨询。

总结：

学习方式有很多，自学、培训、找人教、买书，看视频，去参加培训，每种方式都是需要做的就是，知识投资，时间投资。

没错，学习就是一种投资，对于每天都能挤出时间，非常自律的人，我推荐自学，因为这种投资比较划算。

不自律，每天有大把时间、也不爱学习、理解力差，我推荐去参加培训，几千到3万不等，我觉得还好，大培训机构，小培训机构，社群模式都行，找到一个学习氛围比较好，出现问题有人解答就行。

源数据

      类型         订单号       类型.1  amount   SKU                   日期
0   Order  S11001-001      price     150  aaa1  2019-09-10 00:00:00
1   Order  S11001-001  promotion      -3   NaN                  NaN
2   Order  S11001-001        fee       2   NaN                  NaN
3   Order  S11001-001      price     145  aaa1  2019-09-10 00:00:00
4   Order  S11001-001  promotion      -6   NaN                  NaN
5   Order  S11001-001        fee       5   NaN                  NaN
6    coup  S11001-002      price     167  aaa3  2019-10-12 00:00:00
7    coup  S11001-002  promotion      -5  aaa3                  NaN
8    coup  S11001-002        fee       3  aaa3  2019-10-12 00:00:00
9   other  B11001-003      price     150  aaa3  2019-10-12 00:00:00
10  other  B11001-003  promotion      -3   NaN                  NaN
11  other  B11001-003        fee       2   NaN                  NaN
12  Order  C11001-003      price     145  aaa3           01.09.2019
13  Order  C11001-003  promotion      -6  aaa3           01.09.2019
14  Order  C11001-003        fee       5  aaa3                  NaN
15   cest  S11001-004      price     167  aaa4                  NaN
16   cest  S11001-004  promotion      -5   NaN           01.10.2019
17   cest  S11001-004        fee       3   NaN           01.10.2019
18  Order  K11001-005      price     145  aaa3           01.10.2019
19  Order  K11001-005  promotion      -6  aaa3           01.10.2019
20  Order  K11001-005        fee       5  aaa3           05.07.2020
21  Order  K11001-006      price     167  aaa3           05.07.2020
22  Order  K11001-006  promotion      -5  aaa3           05.07.2020
23  Order  K11001-006        fee       3  aaa3           05.07.2020

一、针对某列向下填充

对sku 列，进行向下填充

import pandas as pd

order = pd.read_excel(r'E:\ZhangTongle\office\test2.xlsx')
order['SKU']= order['SKU'].fillna(method='ffill')

显示结果

0   Order  S11001-001      price     150  aaa1  2019-09-10 00:00:00
1   Order  S11001-001  promotion      -3  aaa1                  NaN
2   Order  S11001-001        fee       2  aaa1                  NaN
3   Order  S11001-001      price     145  aaa1  2019-09-10 00:00:00
4   Order  S11001-001  promotion      -6  aaa1                  NaN
5   Order  S11001-001        fee       5  aaa1                  NaN
6    coup  S11001-002      price     167  aaa3  2019-10-12 00:00:00
7    coup  S11001-002  promotion      -5  aaa3                  NaN
8    coup  S11001-002        fee       3  aaa3  2019-10-12 00:00:00
9   other  B11001-003      price     150  aaa3  2019-10-12 00:00:00
10  other  B11001-003  promotion      -3  aaa3                  NaN
11  other  B11001-003        fee       2  aaa3                  NaN
12  Order  C11001-003      price     145  aaa3           01.09.2019
13  Order  C11001-003  promotion      -6  aaa3           01.09.2019
14  Order  C11001-003        fee       5  aaa3                  NaN
15   cest  S11001-004      price     167  aaa4                  NaN
16   cest  S11001-004  promotion      -5  aaa4           01.10.2019
17   cest  S11001-004        fee       3  aaa4           01.10.2019
18  Order  K11001-005      price     145  aaa3           01.10.2019
19  Order  K11001-005  promotion      -6  aaa3           01.10.2019
20  Order  K11001-005        fee       5  aaa3           05.07.2020
21  Order  K11001-006      price     167  aaa3           05.07.2020
22  Order  K11001-006  promotion      -5  aaa3           05.07.2020
23  Order  K11001-006        fee       3  aaa3           05.07.2020

二、对分组之后的某组填充

coup_fill  = order.groupby("类型").get_group("coup")[['SKU']].fillna(method='ffill')

for i in coup_fill.index:
    order.loc[i,'SKU']  = coup_fill.loc[i,'SKU']

首先我们groupby 通过列：“类型“ 进行分组，然后获取coup组，并取得coup组的sku 列索引，进行向下填充。并返回dataframe 数据。

我们在通过for循环，获取新的dataframe 的索引，并通过索引，更新数据。更新数据使用loc 关键字。

验证

order[order['类型'].isin(['coup'])]

接下来我们来通过isin 去查询一下，我们更新的数据。通过下方的数据，来验证，我们的数据的准确性。

显示

   类型     订单号       类型.1  amount   SKU                   日期
6  coup  S11001-002      price     167  aaa3  2019-10-12 00:00:00
7  coup  S11001-002  promotion      -5  aaa3                  NaN
8  coup  S11001-002        fee       3  aaa3  2019-10-12 00:00:00