1、用pd读取excel中的的某一列生成列表,并将集合或列表写进excel
def excel_one_line_to_list():
df = pd.read_excel(r"poi_grid.xlsx",usecols=[1],
names=None) # 读取项目名称列,不要列名
df_li = df.values.tolist()
# print(df_li)
result = []
for s_li in df_li:
result.append(s_li[0])
print(result)
res = set(result)
r = list(res)
c = {'result':r}
data = pd.DataFrame(c)
pd.DataFrame(data).to_excel('b.xlsx')
2、python如何对excel表格指定内容查找
poi_data_renshu = pd.read_excel(r"poi_grid.xlsx")
d_fnid = [1,2,3,4,5]
renshu_list=[]
for d_fnid_li in d_fnid:
p=poi_data_renshu[poi_data_renshu['fnid']== d_fnid_li][['renshu']] # [[]]内为指定的列名
# print(p)
for row in p.values:
renshu_list.append(row[0])
3、python 判断两个列表中相同和不同的元素
#接口返回值
list1 = ['张三', '李四', '王五', '老二']
#数据库返回值
list2 = ['张三', '李四', '老二', '王七']
a = [x for x in list1 if x in list2] #两个列表中都存在
b = [y for y in (list1 + list2) if y not in a] #两个列表中的不同元素
print('a的值为:',a)
print('b的值为:',b)
c = [x for x in list1 if x not in list2] #在list1列表中而不在list2列表中
d = [y for y in list2 if y not in list1] #在list2列表中而不在list1列表中
print('c的值为:',c)
print('d的值为:',d)
运行结果为:
a的值为: [‘张三’, ‘李四’, ‘老二’]
b的值为: [‘王五’, ‘王七’]
c的值为: [‘王五’]
d的值为: [‘王七’]
4、python 将某一行的数据中逐列取出,与第一列对应
import pandas as pd
df = pd.read_excel(r"F:\GPU10.0.45\813shopfinal\fnid_jihe.xlsx")
# print(df)
df.fillna(value=0, inplace=True)
print(df)
for i in df.values:
# print(i[0])
for j in range(1,50):
# print(i[j])
if i[j] != 0:
dic= {'custid':i[0],'fnid':i[j]}
print(dic)
data = pd.DataFrame([dic])
# print(data)
for k in data.values:
print(k[0])
with open('bdf.csv', 'a+') as f:
f.write(str(k[0])+','+str(k[1])+',')
f.write('\n')
pd取某几列
import pandas as pd
data = pd.read_csv()
data = data.iloc[:, 0:13] # 按位置取某几列
取行列
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']#取a列
df[['a','b']]#取a、b列
#ix可以用数字索引,也可以用index和column索引
df.ix[0]#取第0行
df.ix[0:1]#取第0行
df.ix['one':'two']#取one、two行
df.ix[0:2,0]#取第0、1行,第0列
df.ix[0:1,'a']#取第0行,a列
df.ix[0:2,'a':'c']#取第0、1行,abc列
df.ix['one':'two','a':'c']#取one、two行,abc列
df.ix[0:2,0:1]#取第0、1行,第0列
df.ix[0:2,0:2]#取第0、1行,第0、1列
#loc只能通过index和columns来取,不能用数字
df.loc['one','a']#one行,a列
df.loc['one':'two','a']#one到two行,a列
df.loc['one':'two','a':'c']#one到two行,a到c列
df.loc['one':'two',['a','c']]#one到two行,ac列
#iloc只能用数字索引,不能用索引名
df.iloc[0:2]#前2行
df.iloc[0]#第0行
df.iloc[0:2,0:2]#0、1行,0、1列
df.iloc[[0,2],[1,2,3]]#第0、2行,1、2、3列
#iat取某个单值,只能数字索引
df.iat[1,1]#第1行,1列
#at取某个单值,只能index和columns索引
df.at['one','a']#one行,a列
按条件取行
选取等于某些值的行记录 用 ==
df.loc[df[‘column_name’] == some_value]
选取某列是否是某一类型的数值 用 isin
df.loc[df[‘column_name’].isin(some_values)]
多种条件的选取 用 &
df.loc[(df[‘column’] == some_value) & df[‘other_column’].isin(some_values)]
选取不等于某些值的行记录 用 !=
df.loc[df[‘column_name’] != some_value]
isin返回一系列的数值,如果要选择不符合这个条件的数值使用~
df.loc[~df[‘column_name’].isin(some_values)]
#删除特定行
要删除列“score”<50的所有行:
df = df.drop(df[df.score < 50].index)
df.drop(df[df.score < 50].index, inplace=True)
# 多条件情况
# 可以使用操作符: | 只需其中一个成立, & 同时成立, ~ 表示取反,它们要用括号括起来。
# 例如删除列“score<50 和>20的所有行
df = df.drop(df[(df.score < 50) & (df.score > 20)].index)
#利用列表生成式,把一个list中所有的字符串变成小写
L = ['Hello' , 666 , 'World' , 888 , 'IBM' , 'Apple']
L1 = [s.lower() for s in L if isinstance(s,str)]
print(L1)
#dataframe每列取一定比例的数据加上高斯噪声
for column in data_test_c1.columns:
n = int(data_test_c1[column].size * 0.5)
indices = np.random.choice(data_test_c1[column].index, size=n, replace=False)
noise = np.random.normal(loc=0, scale=1, size=n)
data_test_c1.loc[indices, column] += noise