使用python处理excel表格——pandas(1)
这里写目录标题
使用pandas包,可以同时处理xls和xlsx两种excel文件。
一.基本概念
- excel文件打开之后,该文件叫工作簿(workbook)。
- 每个工作簿中包含多张表单(worksheet),正在操作的表单被成为活跃的表单(active worksheet)。
- 每一张表单中,有行(row),列(column)。行号:1,2,3;列号A,B,C。
- 特定的行和列构成单元格(cell)
- 表单中还会含有索引(index)
二.内容
1.创建文件
A.创建空表格
import pandas as pd
#创建表格,dataframe()空括号表示创建的是空表格
#dataframe为数据帧
df=pd.DataFrame()
#保存路径
df.to_excel('D:/output.xlsx')
print('Done!')
B.创建非空表格
import pandas as pd
#创建表格,dataframe()空括号表示创建的是空表格
#dataframe为数据帧
df=pd.DataFrame({'ID':[1,2,3],'NAME':['Wang','Zhang','Lee']})
#保存路径
df.to_excel('D:/output.xlsx')
print('Done!')
效果:
前面多出来的这一列为dataframe的索引,因为我们没有给他指定索引,所以其自动生成。如果我们想要拿ID这一列做索引,则:
import pandas as pd
#创建表格,dataframe()空括号表示创建的是空表格
#dataframe为数据帧
df=pd.DataFrame({'ID':[1,2,3],'NAME':['Wang','Zhang','Lee']})
df=df.set_index('ID')
#保存路径
df.to_excel('D:/output.xlsx')
print('Done!')
2.读取文件
【演示文件情况】
该文件内容全为虚构,没有任何含义,仅作演示使用
共三个sheet:sheet1、sheet2、sheet3
其中(不包含标题行):
sheet1——(5,2)、sheet2——(6,4)、sheet3——(7,3)
A.读取整个表格
(1)读取有多个sheet的excel
- pandas读取的常用格式pd.read_excel(file, sheet_name),其中sheetname可以使用数字进行替代,从0开始,默认为0
- pandas写入的格式为data.to_excel(‘filename’,sheet_name=‘A’)
import pandas as pd
import pandas as pd
path = 'D:\python学习\表格/people.xlsx'
#读取数据,设置None可以生成一个字典,字典中的key值即为sheet名字
#此时使用DataFram,会报错
data = pd.read_excel(path,None)
print(data.keys())#查看sheet的名字
for sh_name in data.keys():
print('sheet名字:',sh_name)
#获得每一个sheet中的内容
sh_data = pd.DataFrame(pd.read_excel(path,sh_name))
print(sh_data)
结果:
(2).title在首行
表格样式(sheet1):
import pandas as pd
people=pd.read_excel('D:/people.xlsx')#读取文件
print(people.shape)#读取行列数
print(people.columns)#读取列名
print(people.head(3))#查看表格内容—head,默认为5行
print('=========================')#分割行
print(people.tail(3))#查看表格内容—tail
结果:
(3)title不在首行
pandas在读取数据的时候默认,会默认第0行为title。
-title之前的行为空
正常读取文件,pandas可以正常识别
-title之前的行非空
只要有一行是脏的,就需要
表格样式(sheet1):
import pandas as pd
people=pd.read_excel('D:/people2.xlsx',header=1)#读取文件
print(people.columns)#读取列名
-无title
import pandas as pd
people=pd.read_excel('D:/people2.xlsx',header=None)#读取文件
people.columns=['名称','数量']#人为设定列名
#将‘名称’列设为索引,且在原表上进行修改
people.set_index('名称',inplace= True)
print(people.columns)#读取列名
people.to_excel('D:/output.xlsx')#输出为output.xlsx
print('DONE!')
(如果不认为的设定,则自动生成0,1,2,3,为title)
列名只有’数量’,‘名称’变为了索index
(4).已知index列
在使用pandas进行excel数据表读取的时候,如不特定指明第一列为index,则其会默认加一列索引。所以,如若已知某列为index,则需指明。
import pandas as pd
#读取文件,且指定‘名称’列为索引
df=pd.read_excel('D:/output.xlsx',index_col='名称')
df.to_excel('D:/output2.xlsx')#生成新的excel文件
print('Done!')
B.读取某一行、列
(1)读取整个行/列
import pandas as pd
path = 'D:\python学习\表格/people.xlsx'
data = pd.DataFrame(pd.read_excel(path))#读取数据
print('行的索引名称:',data.index)#获取行的索引名称
print('列的索引名称:',data.columns)#获取列的索引名称
print('======================')#分割线
print(data['名称'])#获取列名为姓名这一列的内容
print('======================')#分割线
print(data.loc[0])#获取行名为0这一行的内容
结果:
(2)读取部分行(筛选)
筛选使用的是 data.loc[列名称 = 提取的信息]
import pandas as pd
path = 'D:\python学习\表格/people.xlsx'
data = pd.DataFrame(pd.read_excel(path))#读取数据
#获取列名为名称,内容为“上海市”的内容
result = data.loc[data['名称'] == '上海市']
print(result)
结果:
3.生成行、列
行列视为序列(seties),则单元格就是不同的序列中的元素。
A.创建series
-从directory转为series
【基础知识】字典-键值对
import pandas as pd
d={'x':100,'y':200,'z':300}#生成字典,由基本键值对构成
print(d.keys())#字典keys集合
print(d.values())#字典values集合
print(d['x'])#查看x:100这个键值对
结果:
将directory转变为series,则keys变为indexs,将values转变为data。
则生成series:
import pandas as pd
d={'x':100,'y':200,'z':300}#生成字典
s1=pd.Series(d)
print(s1)
print(s1.index)
-直接生成series
import pandas as pd
L1=(100,2,30)
L2=('x','y','z')
s1=pd.Series(L1,index=L2)
#或者s1=pd.Series((100,2,30),index=('x','y','z'))
print(s1)
B.创建行、列
将series按照不同的方法加入dataframe中,就可以创建不同的行和列:
以list的形式将序列加入dataframe,则把不同的序列看为一行,序列的名字看为行号;以dictory的形式将序列加入dataframe,则把不同的序列看为一列,序列的名字看为列名。
-创建列
- 以directory加入
- 每个list的index与dataframe中的index呈对齐关系。
“index-index一一对齐”
import pandas as pd
s1=pd.Series([1,2,3],index=[1,2,3],name='A')#index特指行号
s2=pd.Series([10,20,30],index=[1,2,3],name='B')
s3=pd.Series([100,200,300],index=[1,2,3],name='C')
df=pd.DataFrame({s1.name:s1,s2.name:s2,s3.name:s3})
print(df)
“index-index不对齐”
import pandas as pd
s1=pd.Series([1,2,3],index=[1,2,3],name='A')#index特指行号
s2=pd.Series([10,20,30],index=[1,2,3],name='B')
s3=pd.Series([100,200,300],index=[2,3,4],name='C')
df=pd.DataFrame({s1.name:s1,s2.name:s2,s3.name:s3})
print(df)
在空值区会自动以NaN填充(NaN:not a number)
-创建行
以list形式
import pandas as pd
s1=pd.Series([1,2,3],index=[1,2,3],name='A')#index特指行号
s2=pd.Series([10,20,30],index=[1,2,3],name='B')
s3=pd.Series([100,200,300],index=[1,2,3],name='C')
df=pd.DataFrame([s1,s2,s3])
print(df)
本文地址:https://blog.csdn.net/mmmmmyyyy/article/details/107641294