最全python数据分析基础006 -利用pandas带你玩转excel表格（上篇），面试考点和考点地址

现在能在网上找到很多很多的学习资源，有免费的也有收费的，当我拿到1套比较全的学习资源之前，我并没着急去看第1节，我而是去审视这套资源是否值得学习，有时候也会去问一些学长的意见，如果可以之后，我会对这套学习资源做1个学习计划，我的学习计划主要包括规划图和学习进度表。

分享给大家这份我薅到的免费视频资料，质量还不错，大家可以跟着学习

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

平时我们创建excel文件时，通常是在文件夹内右击新建excel表格，在pandas中只需一行代码即可！！

注：excel表格的文件格式为.xlsx

运行时报错：No module named ‘openpyxl’

这是我们在使用openpyxl包时没有安装该模块！因此我们需要在控制台输入指令：

pip install openpyxl

此时问题就解决啦！！

import pandas as pd

df = pd.DataFrame()

df.to_excel(‘D:/Temp01/test.xlsx’)

print(‘创建成功！！’)

结果：

🍒1.在创建的表格内插入数据

---

只需将我们定义的数据传入Dataframe内即可：

import pandas as pd

numb_list = {

‘ID’:[1,2,3,4],

‘name’:[‘苏凉’,‘jake’,‘佚名’,‘Tom’],

‘age’:[22,18,25,16],

‘QQ_num’:[787991021,2544722208,12545654,58456]

}

df = pd.DataFrame(numb_list)

df.to_excel(‘D:/Temp01/test.xlsx’)

print(‘创建成功！！’)

运行结果：

🍒2.修改索引

---

利用set_index设置索引

df = df.set_index(‘ID’)

结果：

🍁（二）读取文件

============================================================================

🍒1.导入excel表格

---

people = pd.read_excel(‘./People.xlsx’) #导入excel表格

🍒2.查看表格形状

---

print(people.shape) #查看有多少行多少列

🍒3.查看列名

---

x = people.columns

for i in x:

print(i)

结果：

✨3.1 当第一行为空或有其他数据

遇到上述两种情况在读取列名时，pandas默认第一行为列名，当第一行为空时则需要设置header=某行

import pandas as pd

people = pd.read_excel(‘./People.xlsx’,header = 1)

print(people.columns)

✨3.2 自定义列名

当打开的文件没有列名时，我们需要设置列名。

import pandas as pd

people = pd.read_excel(‘./People.xlsx’,header=None)

自定义列名

people.columns=[‘ID’,‘Type’,‘Title’,‘FirstName’,‘MiddleName’,‘LastName’]

people.set_index(‘ID’,inplace=True)

print(people.columns)

保存

people.to_excel(‘./test.xlsx’)

print(‘save success’)

结果：

✨3.3 指定索引

在上面我们创建了一个test文件。当我们再次打开时，pandas会给我们重新创建一个索引，如下图：

这时我们需要指定索引

import pandas as pd

people = pd.read_excel(‘./test.xlsx’,index_col=“ID”)

people.to_excel(‘./test1.xlsx’)

print(‘save success’)

结果：

🍒4.用Series创建行，列，单元格

---

import pandas as pd

d1 = pd.Series([10,20,30],index=[1,2,3],name=‘a’)

d2 = pd.Series([40,50,60],index=[1,2,3],name=‘b’)

d3 = pd.Series([100,200,300],index=[2,3,4],name=‘c’)

df = pd.DataFrame({d1.name:d1,d2.name:d2,d3.name:d3})

df2 = pd.DataFrame([d1,d2,d3])

print(df)

print(‘*’*100)

print(df2)

结果：

从上述结果可以看出通过Series创建的值传到Dataframe时需要用字典的形式，否则索引会自动转换为列。

🍒5.利用pandas实现excel自动填充

---

✨5.1 填充普通序列

实例：填充ID，InStore，Date

import pandas as pd

books = pd.read_excel(‘./Books.xlsx’,skiprows=3,usecols=‘C:F’,dtype={‘ID’:str})

df = pd.DataFrame(books)

for i in books.index:

对id自动填充

books[‘ID’].at[i] = i+1

对Instore自动填充

books[‘InStore’].at[i] = ‘no’ if i%2==0 else ‘yes’

print(books)

结果：

✨5.2 填充日期序列

填充日期序列时，我们需要事先从datetime中导入date,timedelda模块

from datetime import date,timedelta

设置初始日期

start_time = date(2019,1,25)

🎐5.2.1 填充日

books[‘Date’].at[i] = start_time + timedelta(days=i)

结果：

注：timedelda最多只能加到日期，无法加年以及月！！

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、全套PDF电子书

书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。

四、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

五、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！