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

Excel文件

HTML文件

XML格式的文件

JSON格式的文件

数据库操作

2.经典面试题

通过面试题引出主题，读者可以思考，如果你遇到这题，该如何解答呢？

02 使用pandas来操作Excel文件

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)

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

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，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，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。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

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，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

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，都欢迎扫码加入我们的的圈子（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！

后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

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，都欢迎扫码加入我们的的圈子（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！
[外链图片转存中…(img-72eNVz2a-1712961697413)]