python读取excel数据

安装Python可以分为以下几个步骤：

1、去官网找对应的Python版本下载，为了稳定起见，不建议安装最新版本。
2、下载完Python安装包以后，双击开始安装。
3、点击自定义安装，记得下面的选项同时打钩，添加Python到环境变量，这样就不用再去手动添加环境变量了。
4、全部打钩，下一步。
5、勾选选项，选择安装目录，此处建议选择默认的安装路径。
6、安装中。
7、出现“Python已经成功安装”的界面，点击close。
8、打开cmd命令，输入python测试Python是否安装成功。

Python 有几个非常流行的库可以用来处理表格数据，包括 Pandas、NumPy、Openpyxl（针对Excel文件）等。

NumPy 是一个专门用于处理数组数据的库，也支持表格数据的处理，但相比 Pandas，它的功能要少一些。NumPy 主要是用于进行数值计算，例如线性代数运算、傅里叶变换等。以下是一些基本的示例：

pythonimport numpy as np

# 创建一个数组
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 对数组进行计算
result = np.sum(arr)

对于Excel文件的处理，你可以使用 Openpyxl 或者 Pandas。Pandas可以更方便地读取和写入Excel文件，而Openpyxl则提供了更多的控制权，例如修改单元格的样式等。

Pandas 是一个非常强大的数据处理库，它能够让你以DataFrame的形式来处理表格数据，DataFrame实际上就是一个二维的表格。

其中最常用的是Pandas库。Pandas是一个强大的数据处理库，可以用来读取、处理和分析各种格式的数据，包括表格数据。

以下是使用Pandas处理表格的一些基本操作：

1. 导入Pandas库

在Python脚本中输入以下代码导入Pandas库：

pythonimport pandas as pd

1. 读取表格数据

使用Pandas的read_excel()函数可以读取Excel文件中的数据，例如：

pythondf = pd.read_excel('文件路径.xlsx', sheet_name='工作表名称')

其中，文件路径.xlsx是Excel文件的路径，工作表名称是要读取的工作表名称。读取的数据将保存在一个名为df的数据框中。

1. 处理数据

Pandas提供了许多用于处理数据的函数和方法，例如：

• df.head()：显示数据框的前几行数据，默认显示前5行。
• df.info()：显示数据框的基本信息，包括数据类型、非空值数量等。
• df.describe()：计算数据框中数值型数据的统计信息，例如平均值、标准差、最小值、最大值等。
• df.dropna()：删除数据框中的空值。
• df.fillna()：填充数据框中的空值。
• df.sort_values()：对数据进行排序。
• df.groupby()：对数据进行分组。

1. 输出数据

使用Pandas的to_excel()函数可以将数据框输出为Excel文件，例如：

pythondf.to_excel('输出文件路径.xlsx', sheet_name='输出工作表名称')

其中，输出文件路径.xlsx是输出的Excel文件的路径，输出工作表名称是输出的工作表名称。

以下是一些基本的示例：

pythonimport pandas as pd

# 从csv文件读取数据
df = pd.read_csv('file.csv')

# 显示前5行数据
print(df.head())

# 根据某一列进行排序
df = df.sort_values('column_name')

# 根据多个列进行排序
df = df.sort_values(['column1', 'column2'])

# 筛选数据
df = df[df['column_name'] > 0]

# 分组和聚合数据
grouped = df.groupby('group_column')
result = grouped.agg({'column1': 'sum', 'column2': 'mean'})

# 写入到csv文件
df.to_csv('new_file.csv', index=False)