python concat函数 多张表_用python高效做Excel能做的事情

前言：

‍ 一开始学python做数据处理（numpy库和pandas库），是因为听别人说“用python处理事情很高效”；啃了几个星期的书本后，觉得不对劲，这不就是用代码做Excel可以完成的事情吗？！当时还做了个图吐槽它......

我也是直到最近在做给量表算分的工作才开始懂得欣赏python的美，（也可以说是代码的美，毕竟数据分析这个事情，用matlab同样的好做！甚至一定程度上更好做！但谁让python开源而matlab贼贵呢...）

代码的优点：

1⃣️手动操作 - > 自动操作

这是一张从「问卷星」里面导出来的数据的截图，因为问卷题目很长，又需要算量表得分，这个时候就需要把每个表格拉窄，然后再拉插入新行，输入公式，再往下拉......但是实际上，这是写两行代码就可以完成的事情！

2⃣️重复劳动 - > 一次性劳动，多次使用

或许你看完上面之后说，用spss点点点点点点也可以呀，没有必要拉。是这样的没错，由于需要，我们的问卷要持续地发放，不定时地下载下来做实时的分析，所以不想重复地“点点点点点点”还是需要代码来实现。

进入正题：我需要的excel功能用什么函数实现

1⃣pandas库、Series和DataFrame的简介详见网页⬇️

What kind of data does pandas handle?​pandas.pydata.org

2⃣数据导入

import 

3⃣修改列（column）名

#将A改成a；将B改为b；将C改为c
#要修改的内容写成字典形式
df.rename(columns = {'A':'a',
                     'B':'b',
                     'C':'c'} inplace = True)

4⃣计算量表得分

目前我只会单独把量表拿出来计算，然后再把算出来的结果拼接回去

#将量表取出，放置于变量名'Scale_A'下
#方法一：列出量表的条目进行比对，将匹配条目的列取出
Scale_A = df.loc[:,['Scale_A_title1',
                       'Scale_A_title2',
                       'Scale_A_title3',
                       'Scale_A_title4']]

#方法二：定位条目所在的列
#如下Scale_A的条目位于Excel表格的第10至17列
Scale_A = df.iloc[:,9:17]

#计算量表得分，并将得分结果放置在命名为'Scale_A得分'的新列中
Scale_A['Scale_A得分'] = Scale_A.apply(lambda x: x.sum(), axis=1)

#如果要反转计分
#将要反转题目的columns名列出，用df.apply.()函数写公式进行反转
for i in ['Scale_A_title1','Scale_A_title2','Scale_A_title3',
          'Scale_A_title4']:
    Scale_A[i] = Scale_A[i].apply(lambda x: 5-x)

#将算出得分加入至变量df中
df = pd.concat([data_ini,Scale_A['Scale_A得分']],axis=1)

上面的代码里面也有一个我不明白的点：df.loc()和df.iloc()函数的用法有什么区别？为什么方法二用df.loc()函数会报错？

5⃣根据列删除不需要的信息

df_final = df.drop(["序号","提交答卷时间","所用时间","来源详情","来自IP"],axis = 1)

6⃣将整理好的df_final写入一个新的excel表

data_final.to_excel('问卷数据_已求量表得分.xlsx','Sheet1')

写到这里就大功告成啦！

这个帖子会根据我“学习情况”不定期更新补充哒！