Excel处理的易错问题

一、对Excel（DataFrame）进行切片并修改

需要根据是否对原始数据进行处理时选择是否进行 .copy() 处理：

1.对原始数据进行修改

如果需要对原始数据和切片同时进行修改，不需要 使用 .copy()，因为直接对切片进行修改会影响原始数据。

import pandas as pd

df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})

# 对切片进行处理，会影响原始数据
df_slice = df[['A']]  # 不使用 .copy()
df_slice['A'] = df_slice['A'] * 10

# 原始数据也会被改变
print(df)

输出结果：

    A  B
0  10  4
1  20  5
2  30  6

2. 不对原始数据进行修改：

如果不希望修改原始数据，仅对切片进行处理，那么应该使用 .copy()，以避免对原始数据的影响。

# 对切片进行处理，不影响原始数据
df_slice = df[['A']].copy()
df_slice['A'] = df_slice['A'] * 10

# 原始数据不会被改变
print(df)

输出结果：

   A  B
0  10  4
1  20  5
2  30  6

二、删除 Excel 的某一列

1.对列名进行重排序

若使用 difference() 函数，返回的结果会按照字典序（也称为词典顺序）进行排序。字典序的排序规则如下：

1. 数字：数字排在最前面，按从小到大的顺序排列。
2. 大写字母：排在数字之后，按字母顺序排列。
3. 小写字母：排在大写字母之后，按字母顺序排列。

import pandas as pd

columns = ['unix_ts', 'avg_rate', 'counter', 'Inst_rate', '9_rate']
df = pd.DataFrame(columns=columns)

# 使用 difference 函数删除 'unix_ts'，结果按字典序排序
result = df.columns.difference(['unix_ts'])

# 输出结果：['9_rate', 'Inst_rate', 'avg_rate', 'counter']
print(result)

输出结果：

Index(['9_rate', 'Inst_rate', 'avg_rate', 'counter'], dtype='object')

2.不改变原有列名顺序

应使用 drop() 函数来删除指定列，并保持原始顺序不变。

df = df.drop(columns=['unix_ts'])

# 其他列的顺序不会被改变
print(df.columns)

输出结果：

Index(['avg_rate', 'counter', 'Inst_rate', '9_rate'], dtype='object')