excel 进行二叉树_如何用Python轻松搞定Excel日常任务

全文共1370字，预计学习时长7分钟

图源：realpython

几乎人人都在用Excel，这种极易上手的数据分析工具无处不在，一旦你掌握了窍门，它就变得非常强大。而Python通常被认为更具有挑战性，但能做的事也更多。

当Python遇到Excel会发生什么？本文将告诉你，这三项Excel日常任务，如何用Python轻松搞定。

首先导入Pandas并根据工作簿中可用的工作表加载两个dataframe，称它们为sales和states。

import pandas as pd     sales = pd.read_excel('https://github.com/datagy/mediumdata/raw/master/pythonexcel.xlsx', sheet_name ='sales')     states = pd.read_excel('https://github.com/datagy/mediumdata/raw/master/pythonexcel.xlsx', sheet_name ='states')

调用dataframe的head()方法，如下所示：

print(sales.head())

与Excel进行对比：

图源：Nik Piepenbreier

可以看到Pandas和Excel显示的数据是比较相似的，但是有一些关键的区别：

· Excel从A开始用字母标记列，而Pandas用变量名称

· Excel起始行数为1，而Pandas起始行数(“索引”)为0

那么要如何使用Pandas来完成Excel任务呢？

Pandas的数据透视表

数据透视表是Excel最强大的功能之一，用户可以难以置信的速度从大型数据集中提取有意义的数据。来创建一个关于每个城市销售总额数据透视表：

用Excel创建数据透视表| Nik Piepenbreier

用户只需将City字段拖到Rows部分，将Sales字段拖到Values部分。Excel会自动汇总数据集中每个城市的销售额。

编写以下代码，Pandas可以实现相同的数据透视表：

sales.pivot_table(index = 'City',values = 'Sales', aggfunc = 'sum'))

它是怎样实现的呢：

1.sales.pivot_table告知Pandas基于sales的dataframe创建数据透视表index指定了要聚合的项目

2.values指定了要聚合的值

3.aggfunc指定了使用的函数(还要用到mean、max、min等)

图源：unsplash

Python中的if函数

Excel中使用IF函数非常方便，可以根据另一个单元格中的条件应用特定的标签。假设要创建一个新列来告知列B中单元格的值是否大于500。在Excel中，将列E标记为大于500，然后进入单元格E2并写入：

=IF([@Sales]>500,"Yes", "No")

图源：Nik Piepenbreier

换成Python，可以使用列表生成式轻松地应用相同的if语句：

df['MoreThan500'] = ['Yes' if x> 500 else 'No' for x in df['Sales']

列表生成式非常适合这类工作，不用再编写复杂if/else语句，你可以更快写出更整洁的代码。

Pandas中的VLOOKUP

在数据集中，一个表上有城市，另一个表上有州/省。这并不理想，但是可以在Excel中使用VLOOKUP来链接数据。VLOOKUP的工作方式类似于左联接，即保留左数据集中的所有记录。让Excel上下垂直查找表中的特定值，然后返回一个值，该值位于它右边的某一列中。

增加一个名为“State”的列，使用VLOOKUP从states表中返回相应的州。

图源：NikPiepenbreier

而在Python中，可以使用Pandas的merge函数来完成相同的事情。merge函数获取两个dataframe并将它们合并。代码如下：

sales = pd.merge(sales, states,how='left', on='City')

让我们逐步来看看它：

1.第一个参数是原始dataframe

2.第二个参数是查找值所在的dataframe

3.how指定要创建的连接类型

4.on指定了想要合并的变量(如果在每个dataframe中变量名不同，还可以用left_on和right_on)

图源：unsplash

你可能会问，既然Excel中可以做到，为什么还要使用Pandas呢？Python能够生成可重用的、可跟踪的代码，我们能够轻松地复制分析设计。

对于较小的分析来说，Excel可能就足够了。但给何妨Pandas一个机会，或许你会打开一个新世界。

留言点赞关注

我们一起分享AI学习与发展的干货

如转载，请后台留言，遵守转载规范