python中pandas库的使用（excel读取）

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、pandas是什么？

示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。

二、使用步骤

1.引入库

代码如下（示例）：

import pandas as pd

2.读取数据

数据结构

# 读取excel文件内容
def read(file_path):
    data_from = pd.read_excel(io=file_path,sheet_name='Sheet1',keep_default_na=False,dtype=str，engine='openpyxl')
    print(data_from) #输出的是一个DataFrom表单

参数解析

• io : 文件路径
• sheet_name : excel文件那一个 sheet
• keep_default_na=False ： 空值的NaN不显示
• dtype : 设置数据类型，不设置有时候开头是0的数据不读取
• engine ： 指定驱动

loc和iloc方法：

区别：
loc函数：通过行索引 “Index” 中的具体值来取行数据
iloc函数：通过行号来取行数据
获取行时写法差不多，

loc方法提取：

ps : data_from.iloc[初始行:结束行,初始列:结束列]
loc方法是通过行、列的名称或者标签来寻找我们需要的值。
1.获取某一行,会带着标题行

data_from.loc[1]

2。获取某一列，通过列名

data_from.loc[:,'列名]

3.获取全部数控

data_from.iloc[:,:]

4.获取第一到第二列

data_from.loc[:,1.1:1.2]

iloc方法：

1.获取第一行，和loc方法写法一样

data_from.iloc[1]

2.获取第一列，通过index

data_from.iloc[:,0]

3.获取全部数控

data_from.iloc[:,:]

4.获取第一到第二列

data_from.iloc[:,1:2]

通过某一字段筛选数据

1. 通过某一列中数据初步筛选

df=data_from[data_from['船公司']=='COSCO']

2.只选择其中一列或几列

 number = df.iloc[:,0]

goal = df.iloc[:,10]

3.获取表单数据行数

data_from.shape[0]  # data_from 是表单数据

4.获取表单中某一列或行中数据的长度

goal = df.iloc[:,10].str.len()  # str.len() 获取字符串长度

5. 通过数据长度筛选数据

1.属于

data = [11,14]
	# 属于data的 ，data是可迭代数据
	data_frome_no_length = df[df.iloc[:, 0].str.len().isin(data )]
   # 获取筛选后数据行数
    if data_frome_no_length.shape[0] != 0:
        pass

2.不属于

data = [11,14]
    data_frome_no_length = df[~df.iloc[:, 0].str.len().isin(data)]
    if data_frome_no_length.shape[0] != 0:
        pass

3.数据转换

1. DataFrom转字典

转换数据可以通过下标取出对应列数据

data_dic = data_from.to_dict(orient='index')

也可以通过列名

data_dic =data_from.to_dict('records')

2 . 字典转DataFrom

pd.DataFrame(data_dic)

4.写入数据

1.更改DataFrame数据

 #循环遍历每一行
    count = 1
    for i in data_dic:
        if i[1.5] is None or i[1.5] == '':
            i[1.5] = 5
            # continue
        else:
            # print(i)
            i[1.5] = 5
    print(data_dic)

2 . 写入excel中

实现步骤：
字典数据转DataFrame
这里 df 是 DataFrame简称

df = pd.DataFrame(data_dic)
df.to_excel('./cs.xlsx')

---

### 单列数据由转list DataFrame中的单列数据是pandas.core.series.Series，通过下标进行循环提取时可能数据不全，这里是转换成list

type(number)  #输出pandas.core.series.Series

number = number.values.tolist()  #转换之后就是list类型数据

openpyxl使用（指定excel指定位置插入数据）

复制原来的文件

 shutil.copy(old_file_name, new_file_path)

打开新生成的文件

 wb = openpyxl.load_workbook(new_file_path)
ws = wb['Sheet1'] # 第一个Sheet页

写入数据

ws.cell(row=5, column=15).value = ’测试‘

插入图片

img = Image(r'D:\ZJGL\img.png')  # 选择你的图片
ws.add_image(img, 'G47')

保存数据直接覆盖原数据

wb.save(new_file_path)

5、处理重复数据

• 标记重复记录下标

     df2= df.loc[df.duplicated(subset=['取证链接', '敏感内容', '正确表述', '报告类型', '目标名称']), '办公地址'] = 'true'
  

  • 解释：
  • df2 = df.loc[行索引, 列名] = ‘指定值’
  • df.duplicated（subset=[‘字段1’，‘字段2’]）
  • subset： 对比字段
  • keep：
    • ‘last’：保留最后一个重复数据
    • ‘first’： 保留第一个重复数据
    • Flast ： 重复值是标记True
  • df.loc[] : [行索引, 列名]
    • 通过索引行（True的那一行）更改字段value

• 去除重复数据

  df.drop_duplicates(subset=['取证链接', '敏感内容', '正确表述', '报告类型', '目标名称'], keep=False, inplace=True)
  

  • 解释： subset与keep上同
  • inplace : 是否对数据集本身进行修改，默认False ， 覆盖就用True

三、后缀是xls文件的输入追加方式

1.打开已保存文件

file_path = '.xls文件路径'
rb = open_workbook(file_path,formatting_info=True)   # formatting_info=True 保留格式
r_sheet = rb.sheet_by_index(0) # 切换到第一个Sheet 页面
wb = copy(rb) #  复制file_path路径的文件
w_sheet = wb.get_sheet(0) # 写入的页（Sheet）

2.写入

w_sheet.write(row_index, col_summer1, 'data')

w_sheet.write(row, line, ‘data’) ， 行和列都从0开始

总结

提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。