pandas学习

读取

csv

df = pd.read_csv(path)

excel

单个sheet

不写sheet_name默认读第一个

df = pd.read_excel(path, sheet_name='sheet_name')
df = pd.read_excel(path, sheet_name=0)

多个sheet

excel_reader = pd.ExcelFile(path)
sheet_names = excel_reader.sheet_names
df1 = excel_reader.parse(sheet_name=sheet_names[0])
df2 = pd.read_excel('excel1.xlsx', sheet_name=sheet_names[0])

写入

csv

df.to_csv(path, index=False)
# 写入中文的话
df.to_csv(path, index=False, encoding='utf_8_sig')

excel

单个sheet

sheet_name不写默认Sheet1

df.to_excel(path, index=False, sheet_name='sheet_name')
# 写入中文的话
df.to_excel(path, index=False, sheet_name='sheet_name', encoding='utf_8_sig')

多个sheet

if_sheet_exists表示已经存在这个sheet之后的行为，有四种

• error: 报错
• new: 创建一个新的sheet，名字由excel引擎命名
• replace: 先删后增加（其实就是直接替换）
• overlay: 直接覆盖（不删除原来的元素）

with pd.ExcelWriter(path, mode='a', if_sheet_exists='replace') as writer:
    df1.to_excel(writer, sheet_name='Sheet1', index=False)
    df2.to_excel(writer, sheet_name='Sheet2', index=False)

插入/修改一行

插入末尾

不是每一列都要填数据

data={'col1': 100, 'col3': 101, 'col4': 102}
#df=df.append(data, ignore_index=True)
df = pd.concat([df, pd.DataFrame.from_records([data])], ignore_index=True)

data={}
#df=df.append(data, ignore_index=True)

df = pd.concat([df, pd.DataFrame.from_records([data])], ignore_index=True)

插入任意行

比如第k行
(不是每一列都要填数据)

data={'col1': 100, 'col3': 101, 'col4': 102}
#df = df[:k].append(data, ignore_index=True).append(df[k:], ignore_index=True)
df = pd.concat([df[:5], pd.DataFrame.from_records([data]), df[5:]], ignore_index=True)

data={}
#df = df[:k].append(data, ignore_index=True).append(df[k:], ignore_index=True)
df = pd.concat([df[:5], pd.DataFrame.from_records([data]), df[5:]], ignore_index=True)

修改一行

df.loc[3] = [1, pd.NA, '5']

修改单元格

df.loc[idx, 'col'] = data

求平均

行

df.mean(axis=0, numeric_only=True)

如果要添加进取的话

#df = df.append(df.mean(axis=0, numeric_only=True), ignore_index=True)
df = pd.concat([df, pd.DataFrame.from_records([df.mean(axis=0, numeric_only=True)])], ignore_index=True)

列

暂时没用到，再说把

保留几位小数

全部

df = df.round(2)

不同列不同精度

df = df.round({'col1': 2, 'col3': 4})