使用python处理excel表格——pandas（1）

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