python 数据分析基础二：excel文件处理(三)（对列内容的一系列操作）

由于博主已经开学了，所以更新会比较慢一点，小伙伴们多多体谅哈，想继续学习数据分析基础的小伙伴可以关注博主哦！😄

那么为了学习的继续，我们依然需要那三个excel文件，这个我们可以去一个地址下载：传送门
当然由于是外网github社区所以会比较慢，但是文件本身并没有特别大，所以小伙伴只需要等待片刻即可
文件：

今天我们的重点放在对excel文件处理的列处理上。
这里博主也特别生命一点，excel从某种形式上来说是csv文件的一种，所以很多操作其实是类似于前面博主所发布的csv文件的处理博客，也因此，博主在excel模块会更多的倾向于对一些函数的其他用法或其他内容

使用列索引值

基础python

代码：

#excel文件对列的操作
from datetime import date
from xlrd import open_workbook,xldate_as_tuple
from xlwt import Workbook
input_file="sales_2013.xlsx"
output_file="output.xlsx"
out_workbook=Workbook()#创建操作对象
out_worksheet=out_workbook.add_sheet("jan_2013_output")
my_columns=[1,4]
with open_workbook(input_file) as workbook:
    worksheet=workbook.sheet_by_name("january_2013")
    data=[]
    for row in range(worksheet.nrows):
        row_list=[]
        for column in my_columns:
            cell_value=worksheet.cell_value(row,column)
            if worksheet.cell_type(row,column)==3 :
                date_cell=xldate_as_tuple(cell_value,workbook.datemode)
                date_cell=date(*date_cell[0:3]).strftime("%m/%d/%Y")
                row_list.append(date_cell)
            else:
                row_list.append(cell_value)
        data.append(row_list)
    for list_index,out_list in enumerate(data):
        for element_index,element in enumerate(out_list):
            out_worksheet.write(list_index,element_index,element)
out_workbook.save(output_file)

我们可以看到代码与当时处理csv文件时大同小异，实际两者差距并不大。我们处理excel时只多了：

1. 对时间格式的处理
2. 按行列索引一个个写入元素
3. 对模块的引入不同

所以思维方面已经不需要多说了。
这里博主提醒小伙伴们，一定要注意这里的workbook.datemode，这里是不能带括号的，否则会报错 ‘int’ object is not callable 也就是对象不可调用，如果大家的代码报错是“某某模块没有某某函数”，那么小伙伴们很有可能是代码中的worksheet与workbook引用户问题了。
strftime 是datetime模块中的函数，作用是将时间格式化。
代码的最后要记得out_workbook.save(output_file) 如果没有参数的话，你的对象便没有地方保存了。

利用pandas

import pandas as pd
input_file="sales_2013.xlsx"
output_file="output.xlsx"
data_frame=pd.read_excel(input_file,"january_2013",index_col=None)
data_frame_column_by_index=data_frame.iloc[:,[1,4]]
writer=pd.ExcelWriter(output_file)
data_frame_column_by_index.to_excel(writer,sheet_name="jan_2013_out",index=False)
writer.save()

有一说一，这真的简单吗，但是如果我们真的要依靠pandas模块的话，小伙伴们需要记忆很多的参数，这一点真的很烦，但是Many skills do not press the body(技多不压身)嘛，是不是。
iloc函数：在csv文件讲过两次，这里的i是 integer 的意思，也就是说他的参数时整形，前参量为行索引，后参量为列索引。
index_col=None：也讲过：重新设置一列为索引，但有小伙伴不理解，ok
传送门大家可以去这里看详解。
index=False：结果不显示索引。

选取列标题

基础python

代码：

#选取列标题，excel文件处理
from datetime import date
from xlrd import open_workbook,xldate_as_tuple
from xlwt import Workbook
input_file="sales_2013.xlsx"
out_file="output.xlsx"
out_workbook=Workbook()#创建对象
out_worksheet=out_workbook.add_sheet("jan_2013_out")
my_columns=["Customer Name"]
with open_workbook(input_file) as workbook:
    worksheet=workbook.sheet_by_name("january_2013")
    headerlist=worksheet.row_values(0)
    data=[my_columns]
    header_index_list=[]
    for index in range(len(headerlist)):
        if headerlist[index] in my_columns:
            header_index_list.append(index)
    for row in range(1,worksheet.nrows):
        row_list=[]
        for column in header_index_list:
            row_list.append(worksheet.cell_value(row,column))
        data.append(row_list)
    for list_index,out_list in enumerate(data):
        for element_index,element in enumerate(out_list):
            out_worksheet.write(list_index,element_index,element)
out_workbook.save(out_file)

那么小伙伴们应该能发现博主偷懒了😄因为现在已经凌晨三点了，博主有点累了，不过这，并！不！影响！博客的质量。
那么这里我们只选取了一列，就避免了对时间的格式化，因为时间的格式化博主已经说过很多遍了，再讲下去是在毫无意义，而且我相信小伙伴们也都能掌握。代码本身并不难，小伙伴们只要专心看都能看懂的。

利用pandas

import pandas as pd
input_file="sales_2013.xlsx"
out_file="output.xlsx"
data_frame=pd.read_excel(input_file,"january_2013",index_col=None)
data_frame_select=date_frame.loc[:,["属性分类名"]]
writer=pd.ExcelWriter(out_file)
data_frame_select.to_excel(writer,sheet_name="jan_2013_out",index=False)
writer.save()

重点：

1. loc 函数，博主之前也讲过，iloc函数的参量为整形，而loc函数就不一样了，他的用法更广，当然在实现目的上是与iloc函数差不多的，但是loc函数的参量可以是字符串，列表，整形，都可。
2. …好像没有其他了。。。。

总之呢，其实博主是完全不打算写excel处理的博客的，因为它的方法与csv太像了，但是总有些不同的地方。

现在全国的疫情也逐渐缓和，希望大家还能继续注意身体，同时呢，也祝各位与博主一样的“新手”可以继续坚持学习，不要放弃，我们，要用头发换来知识 ,嘻嘻，谢谢小伙伴的浏览哦，可以顺手点个赞留下你的足迹。