-
🔥2.2 单元格与单元格进行计算
-
🔥2.3 部分数据计算
-
🔥2.4 列增值
-
- 🌟2.4.1 pandas中的apply函数
-
🍀(二)排序以及多重排序
-
- 🍒1.在excel表格中进行操作
-
🍒2.在pandas中实现排序操作
-
🍀(三)数据筛选
-
- 🍒1.在excel中进行数据筛选
-
🍒2.在pandas中实现数据筛选
-
🍻结语
🐚作者简介:苏凉(专注于网络爬虫,数据分析)
🐳博客主页:苏凉.py的博客
👑名言警句:海阔凭鱼跃,天高任鸟飞。
📰要是觉得博主文章写的不错的话,还望大家三连支持一下呀!!!
👉关注✨点赞👍收藏📂
=======================================================================
上篇文章带着大家一起学习了在pandas中如何对excel表格进行创建和修改,还有一些基本的操作,接下来我们一起再深入的去了解pandas在excel中其他的一些有趣的操作吧!!
往期回顾:
============================================================================================
实例:在excel中我们要计算出现价,需要用对应的单元格做计算,得出结果后向下填充!
🔥2.1 列于列进行计算
在excel表格中,计算出得结果通常为单元格与单元格做计算,而在pandas中往往都是整列与整列进行计算。
import pandas as pd
book = pd.read_excel(‘./Book.xlsx’)
df = pd.DataFrame(book)
1.列与列进行计算
now_price = df[‘原价’] * df[‘折扣’]
df[‘现价’]=now_price
print(df)
结果:
🔥2.2 单元格与单元格进行计算
若我们想要实现excel中的单元格与单元格进行计算,我们需要遍历索引,取到每个单元格内的值,再进行计算,这个方法与上述方法实现的效果相同,但增加了计算量。如没有特殊情况,不推荐此类方法!!
2.单元格和单元格进行计算
# 对索引进行遍历
for i in df.index:
df[‘现价’].at[i] = df[‘原价’].at[i] * df[‘折扣’].at[i]
结果与上述相同。
🔥2.3 部分数据计算
若我们只想对其中的部分数据进行计算,则遍历部分单元格进行计算即可!
3.对部分单元格进行遍历
for i in range(5,11):
df[‘现价’].at[i] = df[‘原价’].at[i] * df[‘折扣’].at[i]
结果:
🔥2.4 列增值
🌟2.4.1 pandas中的apply函数
DataFrame.apply(func, axis=0, broadcast=False, raw=False, reduce=None, args=(), **kwds)
我们在函数中实现对Series不同属性之间的计算,返回一个结果,则apply函数会自动遍历每一行DataFrame的数据,最后将所有结果组合成一个Series数据结构并返回。
4.列增值
def add(x):
return x+5
df[‘原价’] = df[‘原价’].apply(add)
另一种写法,可以以不用定义函数,当然定义函数要方便一点在哪里需要用到直接调用就可以了,另外一种方法为使用lambda表达式代替函数。
df[‘原价’] = df[‘原价’].apply(lambda x:x+5)
以上两种方法都可以的到同样的结果:
================================================================================
在excel表格中我们可以对数据进行从大到小或是从小到大排序,也可以对多列数据进行排序,那再pandas中我们要如何操作呢?接下来就让我们一起看看吧!
实例:我们要对该表格的价格进行从大到小排序,以及将不值且价格从大到小来进行排序
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!