Pyhton 批量筛选Excel的方法——Pandas的使用

摘要

在进行数据处理时，经常需要筛选出满足条件的数据，本文给出一种使用Python筛选Excel表格中数据的简单方法。

说明

对一张表几个字段的筛选无法体现Python处理数据的能力，本文所举案例只为示范说明。

1、初始化数据（可跳过）

假设有这样一个表，统计单位与会人员的信息，1表示到会，0表示缺席，session-1表示第一次会议，session-2表示第二次会议，以此类推。首先生成一个这样的数据表，在此基础上进行筛选：

生成数据所用的代码，供参考：

def init_data():
	# 创建Excel文件、工作表
    file = xlwt.Workbook(encoding='utf-8')
    table = file.add_sheet('Sheet1')
    
	# 设计字段名
    row = ['id', 'gender', 'age', 'session-1', 'session-2', 'session-3']
    gender = ['男','女']

    # 写入字段
    for j in range(6):
        table.write(0, j, row[j])
    # 写入具体数据
    for i in range(1,21):
        # 写入编号
        table.write(i, 0, i)
        # 写入性别
        table.write(i, 1, gender[random.randint(0,1)])
        # 写入年龄
        table.write(i, 2, random.randint(18, 50))
        # 写入是否到会
        table.write(i, 3, random.randint(0, 1))
        table.write(i, 4, random.randint(0, 1))
        table.write(i, 5, random.randint(0, 1))
	# 保存文件
    file.save('data.xls')

2、根据条件筛选数据

假设条件为：18岁以上的男性分别参加这3次会议的数据。
具体方法为：
（1）先用pandas读取Excel的办法将数据读入，记为data，同时使用DataFrame函数使之在Python中也呈现为一个二维数组表，记为df；
（2）使用类似于语句 df[df['字段名1'] == 条件1]这样的语句进行筛选，同时进行一些简单计算。先上代码：

def select_data(path):
	# 使用pandas读取文件
    data = pd.read_excel(path)
    # 将数据存成规范的二维数组表
    df = pd.DataFrame(data)
    # 取出第一行的字段名
    first_row = df[0:0]
    # 根据自己的需要进行筛选
    for row in first_row:
        if row.startswith('session'):
            # 设置筛选条件
            df1 = df[(df[row] == 1) & (df['gender'] == '男') & (df['age'] < 45)]
            # 打印出筛选后的表
            print(df1)
            # 进行一些简单计算：例如到会人员的平均年龄
            print(sum(df1['age'])/len(df1[row]))

运算结果：

（3）补充说明：
① if 判断可以没有，我这里是为了一次性筛出3次会议的数据；
② 条件可以是单条件，多条件与或非的组合，例如条件改为：到会或是男性的45以下人员，条件语句写为：

((df[row] == 1) | (df['gender'] == '男')) & (df['age'] < 45)

相应的部分运算结果，以session-1为例：

以下是头文件和main函数的调用，代码组合后可以运行测试：

import random
import xlwt
import pandas as pd

if __name__ == '__main__':
    # init_data() # 运行一次生成文件后注释
    select_data('data.xls')

以上就是Python + Pandas筛选Excel数据的一个简单案例，实际上也可以筛选CSV数据，读入时使用pd.read_csv()函数，关键在于筛选条件的书写，对于二维数组表的理解。