Python pandas 操作 excel 详解

已于 2023-12-26 15:53:02 修改
阅读量1.1w 收藏 169
点赞数 44
分类专栏： Python 文章标签： pandas python excel
于 2023-12-26 11:29:20 首次发布
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_34745941/article/details/135125034
版权

文章目录

1 概述

1.1 pandas 和 openpyxl 区别

  • Python 中的 pandas 和 openpyxl 库，均可以处理 excel 文件，其中主要区别：
    • pandas：① 数据操作和分析方面表现优异。它提供了各种文件格式（包括 Excel）中读取数据的函数，在过滤数据、汇总数据、处理缺失值和执行其它数据转换任务方便，特别有用。② 使用方便。DataFrame 对象，使用快速方便，且功能十分强大。
    • openpyxl：侧重单元格格式设置。这个库也允许我们直接处理 Excel 文件。pandas 快，但 pandas 做不了的事情，可以让 openpyxl 来做，例如：单元格注释、填充背景色 等等

1.2 Series 和 DataFrame

  • Series：连续。可理解为 “一维数组”，由一行 或 一列 组成，具体是行，还是列，由 DataFrame 指定
  • DataFrame：数据框。可理解为 “二维数组”，由行和列组成
import pandas as pd

# Series 示例
s = pd.Series(['a', 'b', 'c'], index=[1, 2, 3], name='A')
print(s)
# 1    a
# 2    b
# 3    c
# Name: A, dtype: object

# DataFrame 示例
s1 = pd.Series(['a', 'b', 'c'], index=[1, 2, 3], name='A')
s2 = pd.Series(['aa', 'bb', 'cc'], index=[1, 2, 3], name='B')
s3 = pd.Series(['aaa', 'bbb', 'ccc'], index=[1, 2, 3], name='C')
# 方式1：指定 Series 为行
df = pd.DataFrame([s1, s2, s3])
print(df)
#      1    2    3
# A    a    b    c
# B   aa   bb   cc
# C  aaa  bbb  ccc

# 方式2：指定 Series 为列
df = pd.DataFrame({s1.name: s1, s2.name: s2, s3.name: s3})
print(df)
#    A   B    C
# 1  a  aa  aaa
# 2  b  bb  bbb
# 3  c  cc  ccc

2 常用操作

2.1 创建 Excel：to_excel()

import pandas as pd

# 测试数据
data = {'ID': [1, 2, 3], 'Name': ['张三', '李四', '王五']}

# 1.创建 DataFrame 对象
df = pd.DataFrame(data=data)

# 可选操作。将 ID 设为索引，若不设置，会使用默认索引 narray(n)
df = df.set_index('ID')  # 写法1
# df.set_index('ID', inplace=True)  # 写法2

# 2.写入 excel 至指定位置（若文件已存在，则覆盖）
df.to_excel(r'C:\Users\Administrator\Desktop\Temp\1.xlsx')

指定索引前后，效果对比：
在这里插入图片描述

2.2 读取 Excel：read_excel()

import pandas as pd

# 1.读取 excel。默认读取第一个 sheet
student = pd.read_excel(r'C:\Users\Administrator\Desktop\Temp\1.xlsx')

# 2.读取常用属性
print(student.shape)  # 形状（行，列）
print(student.columns)  # 列名

读取指定 sheet：
在这里插入图片描述

import pandas as pd

# 1.读取指定 sheet 的 excel，以下两种方式等同
student = pd.read_excel(r'C:\Users\Administrator\Desktop\Temp\1.xlsx', sheet_name=1)
# student = pd.read_excel(r'C:\Users\Administrator\Desktop\Temp\1.xlsx', sheet_name='Sheet2')

# 2.读取常用属性
print(student.shape)  # 形状（行，列）
print(student.columns)  # 列名

2.2.1 header：标题的行索引

场景1：默认。第一行为标题（行索引为 0，即：header=0）

在这里插入图片描述

import pandas as pd

# 文件路径
filePath = r'C:\Users\Administrator\Desktop\Temp\1.xlsx'

# 1.读取 excel（默认第 1 行为标题，行索引为 0，即：header=0）
student = pd.read_excel(filePath)
print(student.columns)
# Index(['ID', 'Name', 'Age', 'Grade'], dtype='object')

场景2：指定第 n 行为标题
在这里插入图片描述

import pandas as pd

# 文件路径
filePath = r'C:\Users\Administrator\Desktop\Temp\1.xlsx'

# 场景2：excel 中第 2 行才是我们想要的标题（即：header=1）
student = pd.read_excel(filePath, header=1)
print(student.columns)
# Index(['ID', 'Name', 'Age', 'Grade'], dtype='object')

场景3：没有标题，需要人为给定
在这里插入图片描述

import pandas as pd

# 文件路径
filePath = r'C:\Users\Administrator\Desktop\Temp\1.xlsx'

# 场景3：excel 中没有标题，需要人为设定
student = pd.read_excel(filePath, header=None)
student.columns = ['ID', 'Name', 'Age', 'Grade']
student.set_index('ID', inplace=True)  # 指定索引列，并替换原数据
student.to_excel(filePath)  # 写入至 Excel
print(student)
#    Name  Age  Grade
# ID                 
# 1    张三   18     90
# 2    李四   20     70
# 3    王五   21     80
# 4    赵六   19     90

2.2.2 index_col：索引列

import pandas as pd

# 文件路径
filePath = r'C:\Users\Administrator\Desktop\Temp\1.xlsx'

# 读取 Excel，不指定索引列（会默认新增一个索引列，从 0 开始）
student = pd.read_excel(filePath)
print(student)
#    ID Name  Age  Grade
# 0   1   张三   18     90
# 1   2   李四   20     70
# 2   3   王五   21     80
# 3   4   赵六   19     90


# 读取 Excel，指定索引列
student = pd.read_excel(filePath, index_col='ID')
print(student)
#    Name  Age  Grade
# ID                 
# 1    张三   18     90
# 2    李四   20     70
# 3    王五   21     80
# 4    赵六   19     90

索引相关：

import pandas as pd

# 文件路径
filePath = r'C:\Users\Administrator\Desktop\Temp\1.xlsx'

# 1.读取 excel，并指定索引列
student = pd.read_excel(filePath, index_col='ID')

2.2.3 dtype：数据类型

import pandas as pd

# 文件路径
filePath = r'C:\Users\Administrator\Desktop\Temp\1.xlsx'

# 1.读取 excel 并指定 数据类型
student = pd.read_excel(filePath, dtype={'ID': str, 'Name': str, 'Age': int, 'Grade': float})
print(student)
#   ID Name  Age  Grade
# 0  1   张三   18   90.0
# 1  2   李四   20   70.0
# 2  3   王五   21   80.0
# 3  4   赵六   19   90.0

2.2.4 skiprows：跳过的行数

  • 比如：Excel 中有空行，如下图
  • 实际的数据是在第 3 行，所以要跳过前 2 行

在这里插入图片描述

import pandas as pd

# 文件路径
filePath = r'C:\Users\Administrator\Desktop\Temp\1.xlsx'

student = pd.read_excel(filePath, skiprows=2)
print(student)
#    ID Name  Age  Grade
# 0   1   张三   18     90
# 1   2   李四   20     70
# 2   3   王五   21     80
# 3   4   赵六   19     90

2.2.5 usercols：指定列数

import pandas as pd

# 文件路径
filePath = r'C:\Users\Administrator\Desktop\Temp\1.xlsx'

# 读取 Excel B - D 列（均包含）
student = pd.read_excel(filePath, usecols='B:D')
print(student)
#   Name  Age  Grade
# 0   张三   18     90
# 1   李四   20     70
# 2   王五   21     80
# 3   赵六   19     90

在这里插入图片描述

2.2.6 head(n)、tail(n)：读取前、后 n 行数据

  • 有时候，excel 数据量很大，读取全部会很耗时，也没必要
  • 咱测试时，仅读取部分行即可
import pandas as pd

# 1.读取 excel
student = pd.read_excel(r'C:\Users\Administrator\Desktop\Temp\1.xlsx')

# 读取前 3 行数据（默认 5 行）
print(student.head(3))

# 读取后 3 行数据（默认 5 行）
print(student.tail(3))

2.3 读写数据

2.3.1 at()：获取单元格

import pandas as pd

# 文件路径
filePath = r'C:\Users\Administrator\Desktop\Temp\1.xlsx'

# 1.读取 excel 并指定 索引
student = pd.read_excel(filePath, index_col=None)

for i in person.index:
    # 读写单元格：ID列，i行 的数据
    student['ID'].at[i] = i + 2

print(student)

2.3.2 loc[]：数据筛选

import pandas as pd


def age_18_to_20(age):
    return 18 <= age <= 20


def grade_good(grade):
    return 90 <= grade <= 100


# 文件路径
filePath = r'C:\Users\Administrator\Desktop\Temp\1.xlsx'

# 1.读取 excel 并指定 索引
student = pd.read_excel(filePath, index_col='ID')
student = student.loc[student['Age'].apply(age_18_to_20)].loc[student['Grade'].apply(grade_good)]
print(student)

2.3.3 sort_values()：数据排序

import pandas as pd

# 文件路径
filePath = r'C:\Users\Administrator\Desktop\Temp\1.xlsx'

# 1.读取 excel 并指定 索引
student = pd.read_excel(filePath, index_col='ID')

# 功能：排序
# by：待排序的字段
# ascending：顺序(True) 还是 逆序(False)
# inplace：是否替换当前对象
# 方式1：排序单个字段
student.sort_values(by='Grade', ascending=False, inplace=True)
print(student)
#    Name  Grade
# ID            
# 1    张三     90
# 4    赵六     90
# 3    王五     80
# 2    李四     70

# 方式2：排序多个字段，如：先顺序排列 Grade, 后逆序排列 ID
student.sort_values(by=['Grade', 'ID'], ascending=[True, False], inplace=True)
print(student)
#    Name  Grade
# ID            
# 2    李四     70
# 3    王五     80
# 4    赵六     90
# 1    张三     90

3 实战

3.1 遍历 Excel

import pandas as pd


def read_excel(excel_name):
    data = pd.read_excel(excel_name)
    for row in data.itertuples():
        # Index：索引, Name：字段名
        print(row.Index, row.Name)


if __name__ == '__main__':
    filePath = r'C:\Users\Administrator\Desktop\Temp\1.xlsx'
    read_excel(filePath)
鱼丸丶粗面
关注
专栏目录
Python用Pandas读写Excel
gdjlc的专栏
08-25 956
Pandas是python的一个数据分析包，纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。 Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。 Pandas官方文档：https://pandas.pydata.org/pandas-docs/stable/ Pandas中文文档：https://www.pypandas.cn 一、安装包 pandas处理...
python 使用pandas操作EXCEL表格数据
02-05
使用ipython pandas源代码，实现EXCEL表格操作，适合做EXEL，批量大表的操作。简单易懂，配有函数说明。
python pandas操作excel表
qq_39224439的博客
11-27 545
原始excel表 要转换成的excel表 代码 import pandas as pd class Daletou(object): def __init__(self): # 读取excel表的哪几列 self.lie = 'A,B,C,D,E,F' # renpan self.ren_wen_pan =...
【Python自动化办公】用Pandas库自动化操作Excel表格，从读取、写入到数据处理和分析
m0_62283350的博客
07-26 579
Python的第三方Pandas库是数据处理和分析中的利器，其强大的功能可以帮助我们轻松地对Excel表格进行自动化操作。接下来，我们将介绍九个用Pandas库操作Excel的编程例子，并且每个例子都会涉及不同的知识点，确保全面掌握这个主题。
深入理解Python数据分析利器——Pandas库详解（一）
小高~的博客
08-23 1984
Pandas是Python中专为数据操作和分析设计的开源库，提供了高性能的数据结构和丰富的数据操作工具。Pandas的主要目标是成为数据分析领域的高级工具，解决多种数据格式的处理需求。无论是表格数据（如SQL表或Excel表），还是多维数组、时间序列数据，Pandas都能轻松应对。Series：一维数组，包含数据和对应的索引。DataFrame：二维表格数据结构，既有行索引也有列索引，类似于电子表格或SQL表格。接下来，我们将通过具体代码示例详细介绍如何使用这两个数据结构以及Pandas的常见功能。
Python自动化办公篇—pandas操作Excel：读取+查看+选择+清洗+排序+筛选+函数+写入
weixin_42636075的博客
06-18 4038
Python自动化办公篇—pandas操作Excel：读取+查看+选择+清洗+排序+筛选+函数+写入
【Python办公自动化】用Pandas库自动化操作Excel
Python单行客的博客
04-22 2508
【Python办公自动化】用Pandas库自动化操作Excel
Python之如何使用pandas操作Excel表
qq_14945475的博客
08-09 1万+
Python+Pandas+Excel对数据进行编辑保存
Python使用总结之pandas操作excel
载_酒i
07-26 737
在数据处理和分析的过程中，Excel 是最常见的工具之一。Python 的 pandas 库提供了强大的功能，可以轻松地操作 Excel 数据。本文将介绍如何使用 pandas 处理 Excel 数据的各种方法和技巧。pandas 提供了强大且灵活的功能，可以方便地操作和处理 Excel 数据。通过掌握这些方法和技巧，我们可以更高效地进行数据分析和处理。如果您对更多的 pandas 功能感兴趣，可以参考pandas 官方文档。希望这篇博客能帮助您更好地使用 pandas 操作 Excel 数据。
Pandas处理Excel超简单
热门推荐
m0_59236127的博客
01-29 2万+
前言 前几天有朋友咨询我关于学习 Python 和 VBS 的疑问，因为他想要将自己繁杂的 Excel 操作自动化，他了解到通过 Python 和 VBS 都可以达到他的目的，所以他在纠结到底学哪个？因为我就是搞 Python 得嘛，所以我当场就建议他学 Python。 但是为了让这位朋友能够从实践上体验到 Python 的简洁高效，今天我们就一起来进入 Pandas 的 Excel 世界。 安装 pip install pandas 当遇到安装出错时，一般可以通过升级 pip 和升级 setuptoo
Python pandas 操作 excel 详解_pandas处理excel
2401_83703951的博客
04-20 883
【代码】Python pandas 操作 excel 详解_pandas处理excel。
Python利用pandas处理Excel数据的应用详解
09-19
主要介绍了Python利用pandas处理Excel数据的应用详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
Python pandas 操作 excel 详解_pandas处理excel(1)
2401_84009679的博客
04-07 1035
df.to_excel(r’C:\Users\Administrator\Desktop\Temp\1.xlsx’) import pandas as pdstudent = pd.read_excel(r’C:\Users\Administrator\Desktop\Temp\1.xlsx’)print(student.shape) # 形状（行，列） print(student.columns) # 列名 import pandas as pdstudent = pd.read_excel(r’C:
用 python 做数据分析：pandas 的 excel 应用初探
weixin_33834075的博客
12-12 395
大毛 岂安科技业务风险分析师 多年订单业务反欺诈经验，负责岂安科技多款产品运营工作。 上回笔者分享过一些 pandas 的常用数据查询语法，但是数据查询对于 pandas 而言只是冰山一角，它还有着更多更有价值的的应用场景。今天要分享的是，用 pandas 来写 excel。 我的数据分析工作经常是在这样的场景下开展的：数据格式五花八门，...
pandas操作Excel文件
最新发布
weixin_46846685的博客
08-26 2044
本文主要介绍了pandas读取和写入excel文件的一些注意点，以及读取数据的几种常用方法，DataFrame与numpy数据的相互转换，DataFrame类型筛选数据的方法，并且给出了相应的实现代码。
python pandas Excel 操作
小白成长之旅
06-21 1996
demo = r'C:\Users\Allen\Desktop\saturn_raw_R0001.xls' data_original = pandas.read_excel(demo, sheetname=3, index_col=u'时间') data = data_original[(data_original[u'电流'] > 0.00) & (data_original[u'电流'] <
python-pandas处理excel文件数据
weixin_43997610的博客
09-22 405
1. 文章背景 昨天一个做视觉的同事说他每次处理现场收集的excel文件数据都要花很多时间，我就说帮他写个小程序，用于一键完成他所要的一堆数据，之前很早就用过pandas这个模块，不过最近都在写c++，好久没用python了，所以再写的时候发现很多函数都忘了怎么用了，这次记录下来，免得下次用的时候又忘了。 2. 主要模块 2.1 获得excel文件 把选中的文件路径存在列表里 curList = filedialog.askopenfilenames(filety...
使用Pandas处理Excel文件
python收藏家的博客
08-19 3951
Excel工作表是非常本能和用户友好的，这使得它们非常适合操作大型数据集，即使是技术人员也不例外。如果您正在寻找学习使用Python在Excel文件中操作和自动化内容的地方，请不要再找了。你来对地方了。在本文中，您将学习如何使用Pandas来处理Excel电子表格。
python-Pandas处理Excel文件
weixin_44584137的博客
04-23 444
1.Pandas读取Excel文件： import pandas as pd a=pd.ExcelFile("C:/Users/...") #1.读取Excel工作簿中的一个sheet 表1=a.parse("sheet1") 表2=a.parse("sheet2") 2.Pandas合并Excel工作表： 合并表=pd.concat([表1，表2],axis=0) 3.表连接 ...
python pandas写入excel
06-28
### 回答1： Python Pandas是一种用于数据分析和操作的强大工具。它可以轻松地处理和操作数据，并具有多种格式的导入和导出功能。其中，写入Excel文件常常是数据分析工作必不可少的一个环节。 使用Python Pandas写入Excel文件的方式非常简单。首先需要导入Pandas库，然后将数据（DataFrame）转换为Excel文件并保存到指定路径。 具体操作步骤如下： 1. 导入Pandas库，通常的方式是使用“import pandas as pd”。 2. 准备数据，将数据存入DataFrame中。 3. 创建一个Excel文件，通过“writer = pd.ExcelWriter('文件路径及名称.xlsx')”指定文件路径和名称，其中“pd.ExcelWriter”是Pandas提供的一个类。 4. 将数据（DataFrame）写入Excel表格中，语法为“dataframe.to_excel(writer, sheet_name='Sheet1')”，其中dataframe为需要写入的数据，writer为创建的Excel文件对象，sheet_name为Excel表格的名称。 5. 最后调用“writer.save()”保存Excel文件。 总体而言，Python Pandas写入Excel文件是一个十分简单和高效的过程。无论是初学者还是数据分析专业人士，都可以通过这种方式将数据灵活地保存在Excel文件中。 ### 回答2： Pandas是一个强大的Python数据分析库，它提供了许多工具来处理和操作数据，其中之一就是写入Excel文档。在本文中，我们将学习如何使用Pandas将数据写入Excel。 1. 导入Pandas库 我们需要首先导入Pandas库，使用如下代码导入： ```python import pandas as pd ``` 2. 准备数据 下一步是准备我们要写入Excel的数据。我们可以使用Pandas的DataFrame对象来创建数据集，或者导入已有的数据集，例如csv，txt等。这里我们使用一个简单的例子，创建一个包含学生姓名和成绩的DataFrame对象： ```python data = {'姓名': ['张三', '李四', '王五', '赵六'], '成绩': [90, 88, 95, 92]} df = pd.DataFrame(data) ``` 3. 写入Excel 现在我们可以开始将数据写入Excel了。Pandas提供了一个名为`to_excel()`的方法，它可以将DataFrame写入Excel文件。我们需要指定Excel文件的名称和存储路径，其中文件名应以`.xlsx`结尾。还可以选择将行和列标签写入Excel文件，指定Sheet名称等。以下是一个完整的示例代码： ```python # 将数据写入excel文件 filepath = 'example.xlsx' # 文件保存路径和名称 sheetname = '成绩单' # Sheet名称 df.to_excel(filepath, sheet_name=sheetname, index=False) ``` 在上面的示例中，`index=False`表示不写入行标签，只写入数据。如果不设置这个参数，默认会写入行标签0，1，2等。 4. 写入多个Sheet 除了将一个Sheet写入Excel，Pandas还可以将多个Sheet写入同一个Excel文件。我们只需要在`to_excel()`方法中指定要写入的Sheet名称即可。以下是一个示例代码： ```python # 写入多个sheet filepath = 'example.xlsx' with pd.ExcelWriter(filepath) as writer: df1.to_excel(writer, sheet_name='Sheet1', index=False) df2.to_excel(writer, sheet_name='Sheet2', index=False) ``` 在上面的示例中，我们使用了`pd.ExcelWriter()`方法创建了一个Excel文件对象，然后在`to_excel()`方法中指定了要写入的不同Sheet的名称。 总结 通过上面的例子，我们学习了如何使用Pandas库将数据写入Excel文档。使用Pandas，我们可以很容易地将数据从各种数据源（如csv，txt等）导入到DataFrame对象，然后将其写入Excel文件。Pandas还提供了许多其他方法，例如按条件过滤数据，对数据进行统计分析等。无论您是数据分析师、数据科学家还是开发人员，Pandas对于数据处理和分析都是非常有用的工具之一。 ### 回答3： Python中的pandas库是一种用于数据分析的工具。在数据分析中，我们通常需要将处理后的数据保存到excel表格中以便于后续的使用和分享。因此，pandas库提供了将数据写入excel表格的功能。 首先，我们需要使用pandas库中的`DataFrame`类来创建数据表格。接着，使用`to_excel()`方法将数据表格写入excel文件。下面是一个示例代码： ```python import pandas as pd # 创建数据表格 data = {'姓名': ['张三', '李四', '王五'], '年龄': [18, 20, 22], '性别': ['男', '男', '女']} df = pd.DataFrame(data) # 写入excel文件 df.to_excel('data.xlsx', sheet_name='Sheet1', index=False) ``` 以上代码首先创建了一个数据表格，并将其存储在变量`df`中。然后，使用`to_excel()`方法将`df`中的数据写入到名为`data.xlsx`的excel文件中的`Sheet1`工作表中。`index=False`参数表示不将行索引保存到excel文件中。 对于更加详细的pandas写入excel方法的使用，可以参考pandas官方文档或相关教程。
评论 3
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

打赏作者

鱼丸丶粗面

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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