pandas读取首行数据（首行无列名），dataframe数据表转list数组格式，dataframe转置

最新推荐文章于 2024-05-12 20:32:18 发布
最新推荐文章于 2024-05-12 20:32:18 发布
阅读量2.1w 收藏 7
点赞数 2
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_27361945/article/details/83344445
版权

代码：

    def delbycelllist(self, readfrom=None, sheet_name='Sheet1', cgilist=None, cellnamelist=None):
        if cgilist:
            for cgi in cgilist:
                self.delbycelladj(cgi=cgi)
        elif cellnamelist:
            for cellname in cellnamelist:
                self.delbycelladj(cellname=cellname)
        elif readfrom:
            # header=None 表示没有列投，从第一行开始就是数据
            dfcgi = pd.read_excel(readfrom, sheet_name=sheet_name, header=None)
            # .stack()函数作用：转置，列传行
            nparr = np.array(dfcgi.stack())
            # .tolist()将np数组转为list数组[]
            cgiarray = nparr.tolist()
            for cgi in cgiarray:
                self.delbycelladj(cgi=cgi)
    def freqpcilistdistances(self, freqpcimatrix=None, saveto=r'J:/pci最小复用距离.xlsx'):
        if freqpcimatrix is None:
            freqpcimatrix = self.existed_freqpci_matrix
        # minpcidistance = {}
        minpcidistance = dict()
        column_name = ['cellname', 'cgi', 'freq', 'pci', 'distance']
        df = pd.DataFrame([], columns=column_name)
        for freq in freqpcimatrix:
            # minpcidistance = {'F1':{}}
            minpcidistance[freq] = {}
            pcilist = freqpcimatrix[freq]
            for pci in pcilist:
                mindistance = self.samepcidistance(freq, pci)
                # minpcidistance = {'F1':{'1':{samepcidistance函数的返回值}}}
                minpcidistance[freq][str(pci)] = mindistance
                data1 = [[mindistance['cellname'], mindistance['cgi'], freq, pci, mindistance['distance']]]
                df1 = pd.DataFrame(data1, columns=column_name)
                df = df.append(df1, ignore_index=True)
        df.to_excel(saveto)
        return minpcidistance

注解：

        delbycelllist函数是class Checkpci的方法，freqpcilistdistances函数来自class Findsamepci的方法，其中有关pandas操作为：

1、dfcgi = pd.read_excel(readfrom, sheet_name=sheet_name, header=None)中，参数header = None表示没有列头，从顶头第一行开始读数据。解释的链接：

https://zhidao.baidu.com/question/181999051410130924.html

2、下面两行的作用是将DataFrame数据转为list数组，因为调用其他函数的时候，参数是list数组格式的。

            # .stack()函数作用：转置，列传行
            nparr = np.array(dfcgi.stack())
            # .tolist()将np数组转为list数组[]
            cgiarray = nparr.tolist()

解释链接：

https://blog.csdn.net/xiangxianghehe/article/details/72615711

3、对于第二项还存在一个小插曲，因为输入cgi在excel中是一列数据：

但是在pandas中的数据的组织格式是：整个数据表是一个二维数组，每一行是大数组中的一个小数组，每行的每个单元格是小数组中的每项。

 

dfexcel = pd.read_excel(r'C:\Users\Administrator\Desktop\嘉兴工参\邻区cgi.xlsx', sheet_name='Sheet1', header = None)

nparr = np.array(dfexcel)

 nparr.tolist()

结果：

[['460-00-413090-3'], ['460-00-413094-1'], ['460-00-413094-3'], ['460-00-413095-1'], ['460-00-413095-2'], ['460-00-413095-3'], ['460-00-413097-1'], ['460-00-413097-3'], ['460-00-413099-2'], ['460-00-413099-3'], ['460-00-413099-4'], ['460-00-413100-1'], ['460-00-413100-2'], ['460-00-413107-2'], ['460-00-413108-2'], ['460-00-413108-3'], ['460-00-413114-1'], ['460-00-413114-3'], ['460-00-413115-3'], ['460-00-413126-1'], ['460-00-413126-2'], ['460-00-413126-3'], ['460-00-413127-1'], ['460-00-413132-2'], ['460-00-413132-3'], ['460-00-413132-4'], ['460-00-413134-2'], ['460-00-413134-3'], ['460-00-413134-7'], ['460-00-413137-2'], ['460-00-413137-3'], ['460-00-413138-4'], ['460-00-413154-1'], ['460-00-413154-2'], ['460-00-413154-3'], ['460-00-413383-1'], ['460-00-413383-2'], ['460-00-413383-3'], ['460-00-413371-3'], ['460-00-413195-1'], ['460-00-325849-129'], ['460-00-413385-2'], ['460-00-413385-3'], ['460-00-413433-2'], ['460-00-413515-1'], ['460-00-413515-2'], ['460-00-413515-3'], ['460-00-413158-2'], ['460-00-413158-3'], ['460-00-746732-1'], ['460-00-763316-1'], ['460-00-763317-1'], ['460-00-763347-1'], ['460-00-325632-129'], ['460-00-325632-130'], ['460-00-325632-131'], ['460-00-325641-131'], ['460-00-325641-135'], ['460-00-325755-129'], ['460-00-325755-130'], ['460-00-325755-131'], ['460-00-325774-131'], ['460-00-614424-129'], ['460-00-614950-132'], ['460-00-614980-129'], ['460-00-614980-131'], ['460-00-763763-1'], ['460-00-326378-131'], ['460-00-326937-129'], ['460-00-413093-3'], ['460-00-413127-3'], ['460-00-413397-2'], ['460-00-326966-130'], ['460-00-326990-134'], ['460-00-615600-129']]

注意这个格式，在pandas的DataFrame数据表中，整个数据表是一个二维数组，每一行是大数组中的一个小数组：

[[第一行第一列的数据，第一行第二列的数据，（1,3）位置数据, ...],  [第二行的所有列的数据]， [第3行的所有列的数据]，......]

如果数据都在excel的第一行：

得到的np数组是这样的：

 nparr.tolist()：

[['460-00-413090-3', '460-00-413094-1', '460-00-413094-3', '460-00-413095-1', '460-00-413095-2', '460-00-413095-3', '460-00-413097-1', '460-00-413097-3', '460-00-413099-2', '460-00-413099-3', '460-00-413099-4', '460-00-413100-1', '460-00-413100-2', '460-00-413107-2', '460-00-413108-2', '460-00-413108-3', '460-00-413114-1', '460-00-413114-3', '460-00-413115-3', '460-00-413126-1']]

上面的数组虽然还是二维数组，但很接近我希望要的结果，只需取上面数组的第0项就会得出一个一维数组。

所以我需要对dfexcel 转置，转置函数为：dfexcel.stack()

pandas中行列转换

https://blog.csdn.net/kancy110/article/details/77141799/

http://pandas.pydata.org/pandas-docs/stable/reshaping.html#reshaping-by-stacking-and-unstacking

http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.stack.html#pandas.DataFrame.stack

dfexcel.stack()结果：

转置后再转为list：nparr = np.array(dfexcel.stack())

nparr.tolist()：

['460-00-413090-3', '460-00-413094-1', '460-00-413094-3', '460-00-413095-1', '460-00-413095-2', '460-00-413095-3', '460-00-413097-1', '460-00-413097-3', '460-00-413099-2', '460-00-413099-3', '460-00-413099-4', '460-00-413100-1', '460-00-413100-2', '460-00-413107-2', '460-00-413108-2', '460-00-413108-3', '460-00-413114-1', '460-00-413114-3', '460-00-413115-3', '460-00-413126-1', '460-00-413126-2', '460-00-413126-3', '460-00-413127-1', '460-00-413132-2', '460-00-413132-3', '460-00-413132-4', '460-00-413134-2', '460-00-413134-3', '460-00-413134-7', '460-00-413137-2', '460-00-413137-3', '460-00-413138-4', '460-00-413154-1', '460-00-413154-2', '460-00-413154-3', '460-00-413383-1', '460-00-413383-2', '460-00-413383-3', '460-00-413371-3', '460-00-413195-1', '460-00-325849-129', '460-00-413385-2', '460-00-413385-3', '460-00-413433-2', '460-00-413515-1', '460-00-413515-2', '460-00-413515-3', '460-00-413158-2', '460-00-413158-3', '460-00-746732-1', '460-00-763316-1', '460-00-763317-1', '460-00-763347-1', '460-00-325632-129', '460-00-325632-130', '460-00-325632-131', '460-00-325641-131', '460-00-325641-135', '460-00-325755-129', '460-00-325755-130', '460-00-325755-131', '460-00-325774-131', '460-00-614424-129', '460-00-614950-132', '460-00-614980-129', '460-00-614980-131', '460-00-763763-1', '460-00-326378-131', '460-00-326937-129', '460-00-413093-3', '460-00-413127-3', '460-00-413397-2', '460-00-326966-130', '460-00-326990-134', '460-00-615600-129']

结果出乎意料，直接得到一维数组了。这样更方便了。

4、append添加df数据，其中ignore_index=True参数表示，不复制index列，新df将重新排序。

http://pandas.pydata.org/pandas-docs/stable/10min.html#append

http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.append.html#pandas.DataFrame.append

pandas读写excel

https://blog.csdn.net/brink_compiling/article/details/76890198?locationNum=7&fps=1

梓沂
关注
  • 2
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
pandas 第一行_pandas文件读取及切片操作
weixin_39927861的博客
11-21 1034
pandas 文件读取操作：import pandas 文件读取操作：# 写入文件 name = [] age = [] result = (pd.DataFrame([name, age],['name','age'])).T result.to_csv('result.csv',index = False)pandas 切片操作：pandas主要提供了三种属性用来选取行/列数据：>&...
pandas笔记
qq_42962326的博客
03-18 3943
import pandas as pd data = pd.read_csv("Narrativedata.csv") 显示数据框信息 data.info() 2. 填充缺失值 fillna data["Age"] = data["Age"].fillna(data["Age"].mean()) 3.删除缺失值 data = data.dropna() 4 某一列去重 labels = data["Embarked"].unique().tolist() 5. 对某一列执行 la
【Python 实战基础】Pandas中Series与数据list如何互相转换_pandas series转list
最新发布
2401_84139924的博客
05-12 1144
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。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。
【python】读取excel的行列内容，pandas，超详细！！！
热门推荐
HelenLee
03-02 4万+
使用python处理excel的内容时，第一步当然是读取excel的内容。 import pandas as pd #1：读取指定行 print("----读取指定的单行，数据会存在列表里面----") df=pd.read_excel('测试.xlsx')#这个会直接默认读取到这个Excel的第一个表单 data=df.loc[0].values#0表示第一行 这里读取数据并不包含表头，...
pandas获得指定行_pandas取dataframe特定行/列
pick_ears的博客
06-27 1万+
转自他人博客：https://blog.csdn.net/weixin_39586825/article/details/111758506 1.按列取、按索引/行取、按特定行列取 import numpy as np from pandas import DataFrame import pandas as pd df=DataFrame(np.arange(12).reshape((3,4)),index=[‘one’,‘two’,‘thr’],columns=list(‘abcd’)) df[‘a’]
pandas 读取和保存多级表头数据
sky0Lan的博客
10-30 1215
【代码】pandas 读取和保存多级表头数据。
pandas 将list切分后存入DataFrame中的实例
12-25
如下所示： #-*- coding:utf-8 -*- import random import pandas as pd import numpy as np list=[1,2,3,4,5,6,7,8,9,0,11,0,13,14,15,16,17,...matrixT=matrix.T#矩阵转置（按实际需求，如果不需要可以不转置）\ndf=
pandas基础——文件读取与写入、基本数据结构、常用基本函数、排序、总结练习
12-21
DataFrameDataFrame创建DataFrame修改行/列名DataFrame调用属性和方法“索引对齐特性”DataFrame列的删除/增加DataFrame根据类型选择列DataFrame转置Series转换为DataFrame三、常用基本函数head和tailunique和...
数据处理Pandas-如何实现行列数据的转换-Python实例源码.zip
12-13
1. 行转列：Pandas的`melt()`函数常用于将宽格式数据转换为长格式数据，即将多列数据转化为两列，一列表示原来的列名，另一列表示对应的值。例如，如果你有一个数据集，每列代表一个时间点，行代表不同的对象，你...
numpy和pandas实现相关数据预处理操作.zip
03-03
Pandas的`read_csv()`或`read_excel()`函数可以方便地读取数据，将其转化为DataFrame对象，这是一个二维表格型数据结构，非常适合数据分析。 2. **数据清洗** - **缺失值处理**：Pandas提供了`isnull()`和`notnull...
Python pandas.DataFrame 找出有空值的行
12-25
pandas中DataFrame类型中，找出所有有空值的行，可以使用.isnull()方法和.any()方法。 1.找出含有空值的行 方法：DataFrame[DataFrame.isnull().T.any()] 其中，isnull()能够判断数据中元素是否为空值；T为转置；any...
pandas基本用法（一）
Keith
03-27 1万+
读取csv文件 import pandas food_info = pandas.read_csv(file_name)# 返回一个DataFrame对象 n_rows = food_info.head(n) #获取前n行数据，返回的依旧是个DataFrame column_names = food_info.columns #获取所有的列名 dimensions = food_in...
pandas使用reset_index函数将dataframe的索引列转化为数据列并自定义转化后数据列的名称（change index to column and rename column name
data+scenario+science+insight
02-05 1886
pandas使用reset_index函数将dataframe的索引列转化为数据列并自定义转化后数据列的名称（change index to column and rename column name）
数据分析Pandas
weixin_45814742的博客
03-04 1345
文章目录前言一、pandas是什么？二、Panda的安装和引入1.安装2引入pandas三、Series(Pandas的基本对象)1.Series的创建1.使用默认索引的示例：2.带索引参数的示例：2.常用的属性与方法A.获取数据，索引的值，以及每对索引和值键值对。B.根据索引获取单个数据，多个连续，不连续的数据3.遍历Series四、DataFrame(相当于多个Series)1.DataFrame的创建1.默认索引示例：2.带索引参数示例：3.使用字典创建示例(==最好用==)：2.DataFrame.
张量的定义及创建
qq_42138662的博客
12-22 3000
一.张量的定义 1.张量 张量是一个多维数组,是标量,向量,矩阵的高维拓展 2.Tensor数据类型与Variable数据类型 在PyTorch0.4.0之前,张量相关的数据类型有Tensor和Variable,其中Tensor用于存储张量数据,Variable用来对Tensor进行封装并用于自动求导. Variable数据类型结构如下图: data:被包装的Tensor数据 grad:data的梯度 grad_fn:创建Tensor的方法,如加法,乘法等,是自动求导的关键 requires_grad:
【Python】进阶学习：pandas--read_excel()函数的基本使用
创作高质量博文，分享知识，共同进步！
03-04 4244
📚进阶Python学习之旅，探索pandas库中的`read_excel()`函数！💻无需繁琐操作，轻松读取Excel文件，让数据处理变得简单高效！📁指定工作表，灵活选择数据范围，轻松处理表头，`read_excel()`助你一臂之力！🔍更有其他常用参数，满足你的各种需求。🚀总结精华，助你快速掌握`read_excel()`函数的使用技巧。期待与你共同进步，成为数据处理高手！#Python #pandas #read_excel #数据处理 #进阶学习
【sklearn】利用Pandas导入Excel数据后，输出第一行表头是表头下的第一行数据
qq_46306153的博客
03-17 2106
利用Pandas导入Excel数据后，输出第一行表头是表头下的第一行数据
Python使用pandas读取excel
Pert的博客
10-13 8684
了解了Series和dataframe的基本数据结构和索引的相关概念之后，就可以练习基本的excel操作。pandas读取一个excel文件后会将其转化为DataFrame对象，每一列或行就是一个Series对象，本节课我们看下如何整体的了解一个excel，比如查看一个excel的行数、列数、表头、前几行、后几行。下面用代码依次展示。 1）获取行数：df.index pandas会默认给一个excel文件的行设置数字索引，从0开始算；如果一个excel多个列的行数不同则按照行数最多的那一列计算。 \# -.
pandas 对数据的读取和存储（学习笔记）
Rowlingz
02-03 2万+
在学习数据分析的过程中，发现一般流程是将存储的数据文件通过pandas工具包写入成dataframes格式后再进行一系列处理，所以就简单总结了下通过pandas读取csv,MySQL两种文件格式的数据，以及再将dataframe格式的数据分别储存到csv/json/MySQL中。 1、pandas读取csv文件 采用pd.read_csv()进行数据读取，详细参数文档可以参照 http:/
pandas 如何把数据转换为自己需要的列名和转置数据
06-01
在 Pandas 中，可以使用 `rename()` 函数来重新命名 DataFrame 中的列名。例如，如果我们有一个 DataFrame `df`，其中包含列名为 `old_col1` 和 `old_col2`，我们可以使用以下代码将这些列名分别更改为 `new_col1` ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值