变量不在选择列表中_神奇的Python！仅需一行代码，轻松实现Excel中的3大高级功能！...

点击上方“爱好Python的胡同学”，选择“星标”公众号

每晚八点，Python干货，不见不散！

Excel是一个无处不在的数据处理、分析工具，大多数人或多或少都使用过Excel，而且一旦你掌握了它的使用技巧，你会打开另外一扇窗！此外，也有人认为，具有无限潜力的Python也非常有挑战性。在这篇文章中，我们将探讨在Excel中能够完成，但是在Python中能够更轻松实现的三件事！

从导入panda开始，并基于工作簿中需要用的工作表加载两个数据帧。两个列的定义为 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')

将我们的数据集导入Pandas数据帧。

让我们想象一下，我们对数据帧运行了.head()方法，如下所示：

print(sales.head())

我们可以将其与Excel中的数据进行比较：

比较数据在Excel和Pandas中的两种显示方式

我们可以看到显示的数据与Excel显示数据的方式相对类似，但有一些关键的区别：

• Excel从第1行开始，Pandas从第0行开始('index')；

• Excel用以A开头的字母标记列，而Pandas用变量名标记列。

让我们开始深入探讨如何运用 Pandas 完成Excel任务。

一.Python中的IF函数

在Excel中使用IF函数非常方便，允许我们根据另一个单元格中的条件应用某个标签。假设我们想创建一个新列，让我们知道B列中单元格的值是否大于500。在Excel中，我们将列E标记为大于500，然后进入单元格E2并写入：

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

在Excel中应用IF函数

如果我们想在Pandas中这样做，我们可以使用列表理解来轻松应用相同的 If 语句：

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

列表理解是这类工作的好工具，它减少了编写复杂 if/else 语句的需要。使用 if/else 语句也可以完成相同的任务，但这样可以节省时间并使代码更简洁。通过阅读本文，你可以详细了解列表理解。

列表理解的解释

二.Pandas中的VLOOKUP

在我们的数据集中，城市在一张纸上，州/省在另一张纸上。这并不理想，但我们可以使用Excel中的VLOOKUP链接数据。VLOOKUP的工作方式与左连接类似，左数据集中的每个记录都被保留。我们告诉Excel在查找表中垂直上下查找列中的特定值，然后返回一个值，该值位于列右侧的特定列数中。

让我们添加一个名为“State”的列，并使用VLOOKUP从 States 表返回相应的状态。

使用VLOOKUP添加州/省信息

在Python中，我们可以使用Pandas merge函数完成相同的任务。Merge获取两个数据帧并合并它们。为此，我们将编写以下代码：

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

让我们把这个论点一个一个地分解开来：

• 第一个参数是原始数据帧；

• 第二个参数是我们在中查找值的数据帧；

• 如何指定要创建的联接类型；

• On指定要合并的变量(如果变量在每个数据帧中被称为不同的对象，则还有left_On和right_On)。

三.Pandas中的数据透视表

数据透视表是Excel最强大的功能之一，它允许我们以惊人的速度提取关于大型数据集的有意义的数据。让我们根据每个城市的销售额总和创建一个数据透视表。

在Excel中生成数据透视表

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

要在Pandas中生成相同的数据透视表，我们将编写以下代码：

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

我们再把这个分解一下：

• 我们使用sales.pivot_表让Pandas知道我们要基于sales dataframe创建一个pivot表

• 索引指定要聚合的值

• 值指定要聚合的值

• Aggfunc指定要使用的函数(也可以使用mean、max、min等)

四.最后

在本文中，我们学习了如何将Excel数据导入Pandas，如何完成IF和VLOOKUP函数，以及如何生成数据透视表。但你可能会问自己，如果你能在Excel中完成这里列出的所有工作，为什么要使用Pandas？这里没有一个明确的答案。Python允许我们生成可重用的、可跟踪的代码，使我们能够轻松地复制分析设计，Excel可能只够进行更小的分析。

原文链接：towardsdatascience.com/ 翻译：未艾信息(weainfo.net)

扫码关注，

每晚八点，Python日报，不见不散！