python如何代替excel_python代替excel的常用操作

numpy常用函数

%matplotlib notebook

import matplotlib.pyplot as plt

import numpy as np

x1=np.arange(100)#返回0-99的一组等差数列

x2=np.linspace(0,100,100)#从(0,100)均匀取100个点

data=[6,7.5,8,0,1]

x3=np.array(data)#将输入数据转换为数组

x4=np.random.randn(100)#随机生成一个1行的数组

x5=np.random.randn(2,3)#随机生成一个2行3列的数组

data1=[[1,2,3,4],[5,6,7,8]]

x6=np.array(data1)#将输入数据转换为数组

x4

一、导入外部数据

import pandas as pd

import numpy as np

path=r‘...\*.csv‘

df=read_table(path,sep=‘,‘,header=None)

或df=pd.Dataframe(pd.read_csv(path,header=None))

二、数据表检查

(1)数据维度：df.shape #使用shape函数来查看数据表的维度，也就是行数和列数。

(2)数据表信息：df.info() #使用info函数查看数据表的整体信息，包括数据维度、列名称、数据格式和所占空间等信息。

(3)数据格式：df.dtypes #查看数据表各列格式

df[‘某列‘].dtype #查看单列的格式

(4)检查空值：df.isnull() #检查表中数据是否为空值

df[‘某列‘].isnull #检查某列数据是否为空值

(5)查看唯一值：df[‘某列‘].unique() #查看某列的唯一值，需要先选中列

(6)查看数据表的值：df.values

(7)查看列名称：df.columns

(8)查看前3行：df.head(3)

(9)查看后3行：df.tail(3)

三、数据清洗

1、处理空值

df.dropna(how=‘any‘) #删除数据表中含有空值的行

df.fillna(value=0) #使用数字0填充数据表中的空值

df[‘price‘].fillna(df[‘price‘].mean()) #使用price列的均值填充price列的空值

原文：https://www.cnblogs.com/dlp-527/p/11845366.html