pandas excel lookup函数_pandas 常用函数read_excel()

python工作中的有些场景，我们需要 下载数据 -> 处理数据 -> 保存数据 -> 显示数据。

pandas作为python中用来做数据分析 的工具库，就是为了解决数据分析任务而创建的。   列表/ numpy/ pandas 列表里面的元素可以是python里面的任意的对象，使用方便，但效率不高 numpy是多维的数组结构，只能保存同一类型的数据，通常是数值类型，加大了数值计算的效率 pandas工作在numpy之上，继承了numpy效率高的优点，且易于使用。

pandas的两个数据结构 Series和DataFrame DataFrame表示的是2维数据，Series表示的是1维数据 pandas跟numpy不一样的是，numpy可以表示任意多维，而pandas没有3维以上的数据结构 excel表格就相当于一个DataFrame对象，每一列就是一个Series，每一个DataFrame都是由多个Series组成。 创建Series

>>>import pandas as pd

>>> s =pd.Series([1,2,3],index=list('abc'),dtype='int64',name='num')  # 创建Series方法一

>>> s

a    1

b    2

c    3

Name: num,dtype: int64

>>>

>>>s=pd.Series({'a':1,'b':2,'c':3}) # 创建Series方法二，字典的键就作为Series的索引

>>> s

a    1

b    2

c    3

dtype: int64

>>>

>>> s =pd.Series(3.0, index=['a', 'b', 'c'])   #创建Series方法三，传入一个标量

>>> s

a    3.0

b    3.0

c    3.0

dtype: float64

>>>

实际情况中，这3种方式我们都不用，我们一般是直接读取一个excel表格，这就是一个DataFrame，我们都是通过这种方式来得到一个Series的。 创建DataFrame >>>import pandas as pd >>>list_2d = [[1,2],[3,4]] >>> df= pd.DataFrame(list_2d, columns=['A','B'], index=['x','y'])  # 创建DataFrame方法一，通过2维的list-like创建 >>> df    A  B x  1  2 y  3  4 >>> d ={'a':[1,3], 'b':[2,4]}    # 创建DataFrame方法二，通过字典创建，字典的key作为列索引 >>> df= pd.DataFrame(d) >>> df    a  b 0  1  2 1  3  4 >>> df= pd.DataFrame(d, index=['x','y']) >>> df    a  b x  1  2 y  3  4 >>> df= pd.read_excel('goods.xlsx') # 创建DataFrame方法三，通过读取Excel表 >>> df          货号  商品代码  颜色代码 商品名称 品牌   成本  季节  商品年份 0   QTVW434 QTVW  5600  羽绒服  A 122  四季  2019 1  ACDA5352 ACDA  4322   棉服  B  55  冬季  2018 2   QTVW331 QTVW  2133  羽绒服  A 122  四季  2019 >>>   read_excel()常用参数 pandas.read_excel( io,  # 路径，StringIO，URL parse_dates=False,      # 指定解析成日期格式的列 # True  尝试解析index # [0,1]或[‘a’,’b’] 尝试解析指定列作为一个单独的日期列 # [[0,1,2]]  结合多列解析为单个日期列 # {‘日期’:[0,1,2]}  结合多列解析为单个日期列，结果的列名改为‘日期’ date_parser=None,      # function，解析日期格式的函数 sheet_name=0,           # 选择子表(sheet)，默认0选第0个 # int 选择第几个sheet，从0开始 # str sheet名字 # list: [0，‘2月’]，返回字典，字典里面会保存多个DataFrame对象 # None全部sheet，返回字典 nrows # init, 默认None，要解析的行数 header=0,                    # 指定作为‘列索引’的行 index_col=None,         # 指定作为‘行索引’列 usecols=None,            # None默认全部 # str ‘A,C’(A列和C列)  ‘A,C:E’(A列，C列至E列) # int-list [0,2](第0列和第2列) # str-list [‘AAA’,‘CCC’](AAA列和CCC列)，建议用这种方法，代码可读性比较好，而且有时候可能会增加删减列，这样的话index就会变，代码就需要重写，而列名通常不改。 # 函数 lambda x:x=’CCC’ skiprows=None,        # 跳过行 names 要使用的列名列表。如果文件不包含标题行，则应显式传递header=None dtype 字典，{‘列名’：‘类型’}，设置列的类型，每一个列都是一个Series，通过dtype可以设置这个Series的类型，便于我们后期数据处理 # int8/int16/int32/int64(默认)    整型 #float16/float32/float64(默认)     浮点型 # str/string  字符串 # bool 布尔型  # category 分类 # datatime64[ns]  时间戳(纳秒) # period[Y/M/D]   时间周期(年/月/日)  # object python对象混合类型 converters    # dict，默认None，值转换函数 true_values   # list,默认None   传入的list元素列为视为True的值 false_values   # list,默认None   传入的list元素列为视为False的值 )  示例：