精华内容
下载资源
问答
  • 关注我、Python的一大应用就是数据分析了,而数据分析中,经常碰到需要处理Excel数据的情况。这里做一个Python处理Excel数据的总结,基本受用大部分情况。相信以后用Python处理Excel数据不再是难事儿!Python处理...

    欢迎点击上方"AntDream"关注我

    、Python的一大应用就是数据分析了,而数据分析中,经常碰到需要处理Excel数据的情况。这里做一个Python处理Excel数据的总结,基本受用大部分情况。相信以后用Python处理Excel数据不再是难事儿!Python处理Excel数据需要用到2个库:xlwt 和 xlrd。xlwt库负责将数据导入生成Excel表格文件,而 xlrd库则负责将Excel表格中的数据取出来。

    xlwt库将数据导入Excel

    将数据写入一个Excel文件wb = xlwt.Workbook()

    # 添加一个表

    ws = wb.add_sheet('test')

    # 3个参数分别为行号,列号,和内容

    # 需要注意的是行号和列号都是从0开始的

    ws.write(0, 0, '第1列')

    ws.write(0, 1, '第2列')

    ws.write(0, 2, '第3列')

    # 保存excel文件

    wb.save('./test.xls')

    可以看到,用xlwt库操作非常简单,基本就三步走:打开一个Workbook对象,并用add_sheet方法添加一个表

    然后就是用write方法写入数据

    最后用save方法保存需要注意的是,xlwt库里面所定义的行和列都是从0开始计数的

    定制Excel表格样式

    表格样式一般主要有这么几块内容:字体、对齐方式、边框、背景色、宽度以及特殊内容,比如超链接、日期时间等。下面我们来分别看看用xlwt库怎么定制这些样式。

    字体

    xlwt库支持的字体属性也比较多,大概如下:

    字体属性

    设置字体需要用到xlwt库的XFStyle类和Font类,代码模版如下:style = xlwt.XFStyle()

    # 设置字体

    font = xlwt.Font()

    # 比如设置字体加粗和下划线

    font.bold = True

    font.underline = True

    style.font = font

    # 然后应用

    ws.write(2, 1, 'test', style)

    后续几个属性的设置都是类似的,都是4步走:拿到XFStyle

    拿到对应需要的属性,比如这里的Font对象

    设置具体的属性值

    最后就是在write方法写入数据的时候应用就行

    单元格对齐

    先来看单元格对齐怎么设置# 单元格对齐

    alignment = xlwt.Alignment()

    # 水平对齐方式和垂直对齐方式

    alignment.horz = xlwt.Alignment.HORZ_CENTER

    alignment.vert = xlwt.Alignment.VERT_CENTER

    # 自动换行

    alignment.wrap = 1

    style.alignment = alignment

    # 然后应用

    ws.write(2, 1, 'test', style)上面这个自动换行的属性还是蛮有用的,因为我们很多时候数据会比较长,最好再加上单元格的宽度属性一起使用,这样整体样式会好很多

    单元格宽度设置:# 设置单元格宽度,也就是某一列的宽度

    ws.col(0).width = 6666

    单元格的背景色

    背景色对应的属性是 Pattern# 背景色

    pattern = xlwt.Pattern()

    pattern.pattern = xlwt.Pattern.SOLID_PATTERN

    # 背景色为黄色

    # 0 = Black, 1 = White, 2 = Red, 3 = Green, 4 = Blue, 5 = Yellow, 6 = Magenta,

    # 7 = Cyan, 16 = Maroon, 17 = Dark Green, 18 = Dark Blue, 19 = Dark Yellow ,

    # almost brown), 20 = Dark Magenta, 21 = Teal, 22 = Light Gray, 23 = Dark Gray

    # ...

    pattern.pattern_fore_colour = 5

    style.pattern = pattern

    # 然后应用

    ws.write(2, 1, 'test', style)

    单元格边框

    边框属性是Borders

    单元格边框就2类:颜色和边框线样式

    可以分别设置上下左右边框的颜色和样式# 边框

    borders = xlwt.Borders()

    # 边框可以分别设置top、bottom、left、right

    # 每个边框又可以分别设置颜色和线样式:实线、虚线、无

    # 颜色设置,其他类似

    borders.left_colour = 0x40

    # 设置虚线,其他类似

    borders.bottom = xlwt.Borders.DASHED

    style.borders = borders

    # 然后应用

    ws.write(2, 1, 'test', style)

    特殊内容,比如超链接和公式

    特殊内容一般主要会碰到这几类:超链接、公式和时间日期

    处理这些特殊内容需要用到Formula# 超链接

    link = 'HYPERLINK("http://www.baidu.com";"Baidu")'

    formula = xlwt.Formula(link)

    ws.write(2, 0, formula)

    # 公式也是类似

    ws.write(1, 1, xlwt.Formula('SUM(A1,B1)'))

    # 时间

    style.num_format_str = 'M/D/YY'

    ws.write(2, 1, datetime.datetime.now(), style)

    以上就是用Python将数据写入到Excel的全部内容了,下面我们再来看看怎么读取Excel中的数据做处理。

    xlrd库读取Excel中的数据

    读取Excel文件

    同样的用xlrd库读取Excel的数据也是轻轻松松,先来看下实现代码# 先打开一个文件

    wb = xlrd.open_workbook(file_path)

    # 获取第一个表

    sheet1 = wb.sheet_by_index(0)

    # 总行数

    nrows = sheet1.nrows

    # 总列数

    ncols = sheet1.ncols

    # 后面就通过循环即可遍历数据了

    # 取数据

    for i in range(nrows):

    for j in range(ncols):

    # cell_value方法取出第i行j列的数据

    value = sheet1.cell_value(i, j)

    print(value)

    总结一下,分为一下几步:首先通过xlrd库的open_workbook方法打开Excel文件

    然后通过sheet_by_index方法获取表

    然后分别获取表的行数和列数,便于后面循环遍历

    根据列数和行数,循环遍历,通过cell_value方法获取每个单元格中的数据

    工作表的相关操作

    获取一个工作表,有多种方式# 通过索引

    sheet1 = wb.sheets()[0]

    sheet1 = wb.sheet_by_index(0)

    # 通过名字

    sheet1 = wb.sheet_by_name('test')

    # 获取所有表名

    # sheet_names = wb.sheet_names()

    获取某一行或某一列的所有数据# 获取行中所有数据,返回结果是一个列表

    tabs = sheet1.row_values(rowx=0, start_colx=0, end_colx=None)

    # 返回一行一共有多少数据

    len_value = sheet1.row_len(rowx=0)

    row_values的三个参数分别是:行号、开始的列和结束的列,其中结束的列为None表示获取从开始列到最后的所有数据

    类似的还有获取某一列的数据cols = sheet1.col_values(colx=0, start_rowx=0, end_rowx=None)

    处理时间数据

    时间数据比较特殊,没发直接通过上面的cell_value方法获取。需要先转换为时间戳,然后再格式化成我们想要的格式。

    比如要获取Excel表格中,格式为2019/8/13 20:46:35的时间数据# 获取时间

    time_value = sheet1.cell_value(3, 0)

    # 获取时间戳

    time_stamp = int(xlrd.xldate.xldate_as_datetime(time_value, 0).timestamp())

    print(time_stamp)

    # 格式化日期

    time_rel = time.strftime("%Y/%m/%d", time.localtime(time_stamp))

    print(time_rel)

    基本也是三步走:通过cell_value方法获取时间值

    然后通过xldate_as_datetime方法获取时间戳

    然后格式化一下

    总结

    Excel文件是用Python处理数据时常会碰到的一类场景,有了xlwt 和 xlrd的帮助可以非常快速的导入和导出Excel数据。大家可以把这篇文章收藏起来,以后碰到处理Excel文件的时候可以参考一下。

    码字不易,求转发,求点在看,求关注,感谢!

    展开全文
  • Python操作Excel写在前面分析准备认识Excel格式区别库的使用整体思路 写在前面 对比其它编程语言,我们都知道Python最大的优势是代码简单,有丰富的第三方开源库供开发者使用。伴随着近几年数据分析的热度,Python也...

    在这里插入图片描述

    1. 写在前面

    对比其它编程语言,我们都知道Python最大的优势是代码简单,有丰富的第三方开源库供开发者使用。伴随着近几年数据分析的热度,Python也成为最受欢迎的编程语言之一。而对于数据的读取和存储,对于普通人来讲,除了数据库之外,最常见的就是微软的Excel。

    2. 前期准备

    2.1. 初识Excel

    Microsoft Excel是Microsoft为使用Windows和Apple Macintosh操作系统的电脑编写的一款电子表格软件。

    2.2. 格式区别

    Excel中有xls和xlsx两种格式,它们之间的区别是:

    • 文件格式不同。xls是一个特有的二进制格式,其核心结构是复合文档类型的结构,而xlsx的核心结构是XML类型的结构,采用的是基于 XML的压缩方式,使其占用的空间更小。xlsx 中最后一个 x 的意义就在于此。
    • 版本不同。xls是Excel2003及以前版本生成的文件格式,而xlsx是Excel2007及以后版本生成的文件格式。
    • 兼容性不同。xlsx格式是向下兼容的,可兼容xls格式。

    2.3. 库的使用

    当我们要操作xls格式文件时,需要使用到xlrd和xlwt这两个第三方库;当我们要操作xlsx格式文件时,则需要使用到openpyxl第三方库。

    模块来源支持格式
    xlrd第三方库×xls
    xlwt第三方库×xls
    openpyxl第三方库xlsx

    2.4. 整体思路

    当使用以上几个模块的时候,从理论上我们就可以完全操作不同格式的Excel的读和写,很多人就疑惑,那这篇文章的作用是什么?我们直接学习对应的这三个模块不就好了吗?答案就是:虽然这几个库已经把Excel的文件、表、行、列的概念完全转换为Python中的对象,但每次操作都需要遍历每一个单元格,甚至很多时候我们要花费大量的时间在思考循环单元格的边界上,这本身就是在重复造轮子,因此我花了半天时间整理了以下六个函数。

    方法名作用参数参数注释返回值返回值注释
    read_xls_excel读取xls格式Excel数据url,index①文件路径,②工作表序号(第几个工作表,传入参数从1开始数)data表格中的数据
    write_xls_excel写入xls格式Excel数据url,sheet_name,two_dimensional_data①文件路径,②表名,③将要写入表格的数据(二维列表)
    write_xls_excel_add追加写入xls格式Excel数据url, two_dimensional_data, index①文件路径,②将要写入表格的数据(二维列表),③指定要追加的表的序号(第几个工作表,传入参数从1开始数)
    read_xlsx_excel读取xlsx格式Excel数据url,index①文件路径,②工作表序号(第几个工作表,传入参数从1开始数)data表格中的数据
    write_xlsx_excel写入xlsx格式Excel数据url, sheet_name, two_dimensional_data①文件路径,②表名,③将要写入表格的数据(二维列表)
    write_xlsx_excel_add追加写入xlsx格式Excel数据url, sheet_name, two_dimensional_data①文件路径,②表名,③将要写入表格的数据(二维列表)

    3. 代码展示

    3.1. xls格式

    3.1.1. 读取xls格式文件

    '''
    读取xls格式文件
    参数:
        url:文件路径
        index:工作表序号(第几个工作表,传入参数从1开始数)
    返回:
        data:表格中的数据
    '''
    def read_xls_excel(url,index):
        # 打开指定的工作簿
        workbook = xlrd.open_workbook(url)
        # 获取工作簿中的所有表格
        sheets = workbook.sheet_names()
        # 获取工作簿中所有表格中的的第 index 个表格
        worksheet = workbook.sheet_by_name(sheets[index-1])
        # 定义列表存储表格数据
        data = []
        # 遍历每一行数据
        for i in range(0, worksheet.nrows):
            # 定义表格存储每一行数据
            da = []
            # 遍历每一列数据
            for j in range(0, worksheet.ncols):
                # 将行数据存储到da列表
                da.append(worksheet.cell_value(i, j))
            # 存储每一行数据
            data.append(da)
        # 返回数据
        return data
    

    3.1.2. 写入xls格式文件

    '''
    写入xls格式文件
    参数:
        url:文件路径
        sheet_name:表名
        two_dimensional_data:将要写入表格的数据(二维列表)
    '''
    def write_xls_excel(url,sheet_name,two_dimensional_data):
        # 创建工作簿对象
        workbook = xlwt.Workbook()
        # 创建工作表对象
        sheet = workbook.add_sheet(sheet_name)
        # 遍历每一行数据
        for i in range(0,len(two_dimensional_data)):
            # 遍历每一列数据
            for j in range(0,len(two_dimensional_data[i])):
                # 写入数据
                sheet.write(i,j,two_dimensional_data[i][j])
        # 保存
        workbook.save(url)
        print("写入成功")
    

    3.1.3. 追加写入xls格式文件

    '''
    追加写入xls格式文件
    参数:
        url:文件路径
        two_dimensional_data:将要写入表格的数据(二维列表)
        index:指定要追加的表的序号(第几个工作表,传入参数从1开始数)
    '''
    def write_xls_excel_add(url, two_dimensional_data, index):
        # 打开指定的工作簿
        workbook = xlrd.open_workbook(url)
        # 获取工作簿中的所有表格
        sheets = workbook.sheet_names()
        # 获取指定的表
        worksheet = workbook.sheet_by_name(sheets[index-1])
        # 获取表格中已存在的数据的行数
        rows_old = worksheet.nrows
        # 将xlrd对象拷贝转化为xlwt对象
        new_workbook = copy(workbook)
        # 获取转化后工作簿中的第index个表格
        new_worksheet = new_workbook.get_sheet(index-1)
        # 遍历每一行数据
        for i in range(0, len(two_dimensional_data)):
            # 遍历每一列数据
            for j in range(0, len(two_dimensional_data[i])):
                # 追加写入数据,注意是从i+rows_old行开始写入
                new_worksheet.write(i+rows_old, j, two_dimensional_data[i][j])
        # 保存工作簿
        new_workbook.save(url)
        print("追加写入成功")
    

    3.2. xlsx格式

    3.2.1. 读取xlsx格式文件

    '''
    读取xlsx格式文件
    参数:
        url:文件路径
        sheet_name:表名
    返回:
        data:表格中的数据
    '''
    def read_xlsx_excel(url, sheet_name):
        # 使用openpyxl加载指定路径的Excel文件并得到对应的workbook对象
        workbook = openpyxl.load_workbook(url)
        # 根据指定表名获取表格并得到对应的sheet对象
        sheet = workbook[sheet_name]
        # 定义列表存储表格数据
        data = []
        # 遍历表格的每一行
        for row in sheet.rows:
            # 定义表格存储每一行数据
            da = []
            # 从每一行中遍历每一个单元格
            for cell in row:
                # 将行数据存储到da列表
                da.append(cell.value)
            # 存储每一行数据
            data.append(da)
        # 返回数据
        return data
    

    3.2.2. 写入xlsx格式文件

    '''
    写入xlsx格式文件
    参数:
        url:文件路径
        sheet_name:表名
        two_dimensional_data:将要写入表格的数据(二维列表)
    '''
    def write_xlsx_excel(url, sheet_name, two_dimensional_data):
        # 创建工作簿对象
        workbook = openpyxl.Workbook()
        # 创建工作表对象
        sheet = workbook.active
        # 设置该工作表的名字
        sheet.title = sheet_name
        # 遍历表格的每一行
        for i in range(0, len(two_dimensional_data)):
            # 遍历表格的每一列
            for j in range(0, len(two_dimensional_data[i])):
                # 写入数据(注意openpyxl的行和列是从1开始的,和我们平时的认知是一样的)
                sheet.cell(row=i + 1, column=j + 1, value=str(two_dimensional_data[i][j]))
        # 保存到指定位置
        workbook.save(url)
        print("写入成功")
        
    

    3.2.3. 追加写入xlsx格式文件

    '''
    追加写入xlsx格式文件
    参数:
        url:文件路径
        sheet_name:表名
        two_dimensional_data:将要写入表格的数据(二维列表)
    '''
    def write_xlsx_excel_add(url, sheet_name, two_dimensional_data):
        # 使用openpyxl加载指定路径的Excel文件并得到对应的workbook对象
        workbook = openpyxl.load_workbook(url)
        # 根据指定表名获取表格并得到对应的sheet对象
        sheet = workbook[sheet_name]
        for tdd in two_dimensional_data:
            sheet.append(tdd)
        # 保存到指定位置
        workbook.save(url)
        print("追加写入成功")
    

    4. 结果测试

    4.1. 读取测试

    先准备两个Excel文件,如图所示
    在这里插入图片描述
    其内容如下:
    在这里插入图片描述
    在这里插入图片描述
    测试代码:
    在这里插入图片描述
    输出结果:
    在这里插入图片描述
    结论:表明读取并没有问题!!!接下来测试写入

    4.2. 写入测试

    测试代码:
    在这里插入图片描述
    结果输出:
    在这里插入图片描述
    看到数据被覆盖了!!!接下来在上面修改后的数据的基础上测试追加写入

    4.3. 追加写入测试

    测试代码:
    在这里插入图片描述
    结果输出:
    在这里插入图片描述
    追加也没有问题!!

    5. 总结

    我一直认为数据分析就应该以数据为主,而不应该把大量的代码花费在设计Excel表格的样式上,这样多少就有点主客颠倒的意思了。总之,希望这篇文章对正在学习Python的你有一定的帮助,如果对你有帮助的话,不妨点个赞和收藏吧!如果有什么意见和建议也欢迎在评论区留言!

    展开全文
  • 【学习笔记】python实现excel数据处理

    万次阅读 多人点赞 2019-02-27 20:03:44
    概述 Excel固然功能强大,也有许多函数实现数据处理功能,但是Excel仍需大量人工操作,虽然能嵌入VB脚本宏,但也...因此,本文就python处理excel数据进行了学习,主要分为pythonexcel数据处理的常用数据类型以及...

    概述

    Excel固然功能强大,也有许多函数实现数据处理功能,但是Excel仍需大量人工操作,虽然能嵌入VB脚本宏,但也容易染上宏病毒。python作为解释性语言,在数据处理方面拥有强大的函数库以及第三方库,excel作为主要基础数据源之一,在利用数据进行分析前往往需要预先对数据进行整理。因此,本文就python处理excel数据进行了学习,主要分为python对excel数据处理的常用数据类型以及常用函数,用python语言实现excel基本操作。
    在这里插入图片描述在这里插入图片描述


    常用数据类型序列sequence, 列表list, 元组tuple, array,字典dictionary,series,dataframe,集合set区别

    序列

    首先,序列是是Python中最基本的数据结构。序列中的每个元素都分配一个数字 - 它的位置,或索引,第一个索引是0,第二个索引是1,依此类推。每个索引对应一个元素。Python包含 6 中内建的序列,包括列表、元组、字符串、Unicode字符串、buffer对象和xrange对象。
    对于序列,都可以使用以下操作:

    • 索引
    • 切片
    • 成员检查
    • 计算序列的长度
    • 取序列中的最大、最小值

    列表list

    概述用途

    • 一组有序项目的集合。可变的数据类型【可进行增删改查】
    • 列表是以方括号“[]”包围的数据集合,不同成员以“,”分隔。
    • 列表中可以包含任何数据类型,也可包含另一个列表
    • 列表可通过序号访问其中成员

    声明方式

    example = [0,1,2,3,4,5,6,7,8,9]  
    

    API

    Python列表脚本操作符

    在这里插入图片描述

    Python列表函数

    在这里插入图片描述

    Python列表方法

    在这里插入图片描述

    切片

    #列表操作补充--切片操作  
    example = [0,1,2,3,4,5,6,7,8,9]  
    #打印某一区间 左闭右开  
    print(example[4:8])  
    #想包含最后一个  
    print(example[4:])  
    #包含首个  
    print(example[:8])  
    #所有的  
    print(example[:])  
    #第三个参数为步长  
    print(example[1:8:2])  
    #倒序输出  
    print(example[::-1])  
    #列表合并  
    a = [1,2,3]  
    b = [4,5,6]  
    print(a+b)  
    #替换  
    ex = [1,2,3,4,5,6]  
    ex[4:]=[9,8,7]  
    print(ex)#将56换为987
    

    判断列表中

    >>> list4=[123,["das","aaa"],234]
    >>> list4
    >>> "aaa" in list4 #in只能判断一个层次的元素
    False
    >>> "aaa" in list4[1] #选中列表中的列表进行判断
    True
    >>> list4[1][1]
    'aaa'
    

    元组tuple

    概述用途

    • 不可变序列
    • 元组是以圆括号“()”包围的数据集合,不同成员以“,”分隔
    • 与列表不同:元组中数据一旦确立就不能改变
    • 通过下标进行访问

    声明方式

    L=(1,2,3)
    含0个元素的元组: L = ()
    

    元组操作

    访问元组

    >>> o =('a','b','c',('d1','d2')) 
    >>> print o[0]
    >>> print o[3][0]
    a
    d1
    
    >>> age=22
    >>> name='sandra'
    >>> print'%s is %d years old'%(name,age)
    sandra is 22 years old
    

    修改元组
    (元组中的元素值是不允许修改的,但我们可以对元组进行连接组合,如下实例)

    tup1 = (12, 34.56);
    tup2 = ('abc', 'xyz');
    # 以下修改元组元素操作是非法的。
    # tup1[0] = 100;
    # 创建一个新的元组
    tup3 = tup1 + tup2;
    print tup3;
    

    添加元组

    #通过切片方法添加
    a=(1,2,3,4,5,6)
    a=a[:2]+(10,)+a[2:]
    a
    

    删除元素

    del tup1
    
    

    API

    元组运算符

    与字符串一样,元组之间可以使用 + 号和 * 号进行运算。这就意味着他们可以组合和复制,运算后会生成一个新的元组。
    在这里插入图片描述

    元组内置函数

    在这里插入图片描述

    字典dictionary

    概述用途

    • 字典是另一种可变容器模型,且可存储任意类型对象。

    • 字典的每个键值(key=>value)对用冒号(:)分割,每个对之间用逗号(,)分割,整个字典包括在花括号({})中

    声明方式

    d = {key1 : value1, key2 : value2 }
    //键必须是唯一的,但值则不必。
    //值可以取任何数据类型,但键必须是不可变的,如字符串,数字或元组。
    

    字典操作

    访问字典里的值

    dict = {'Name': 'Zara', 'Age': 7, 'Class': 'First'};
    dict['Name']
    dict['Age']
    

    修改字典

    dict = {'Name': 'Zara', 'Age': 7, 'Class': 'First'};
    dict['Age'] = 8; 
    dict['School'] = "DPS School"
    

    删除字典元素
    能删单一的元素也能清空字典,清空只需一项操作。

    显示删除一个字典用del命令,如下实例:

    dict = {'Name': 'Zara', 'Age': 7, 'Class': 'First'};
    del dict['Name']; # 删除键是'Name'的条目
    dict.clear();     # 清空词典所有条目
    del dict ;        # 删除词典
    
    

    API

    字典内置函数

    在这里插入图片描述

    字典内置方法

    在这里插入图片描述

    ndarray(数组)–numpy

    概述用途

    python中的list是python的内置数据类型,list中的数据类不必相同的,而array的中的类型必须全部相同。在list中的数据类型保存的是数据的存放的地址,简单的说就是指针,并非数据,这样保存一个list就太麻烦了,例如list1=[1,2,3,‘a’]需要4个指针和四个数据,增加了存储和消耗cpu。numpy中封装的array有很强大的功能,里面存放的都是相同的数据类型
    1)numpy array 必须有相同数据类型属性 ,Python list可以是多种数据类型的混合
    2)numpy array有一些方便的函数
    3)numpy array数组可以是多维的

    声明方式

    np.array用来创建ndarray类型

    b=np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])  
    

    API

    series-pandas

    概述用途

    class pandas.Series(data = None,index = None,dtype = None,name = None,copy = False,fastpath = False )

    带轴标签的一维ndarray(包括时间序列)。

    标签不一定是唯一的,但必须是可清洗的类型。该对象支持基于整数和基于标签的索引,并提供了许多方法来执行涉及索引的操作。来自ndarray的统计方法已被覆盖,以自动排除缺失的数据(目前表示为NaN)。

    Series(+, - ,/ , *)之间的操作根据其关联的索引值对齐值 - 它们不必是相同的长度。结果索引将是两个索引的排序并集。

    声明

    Python列表,index与列表元素个数一致

    
    In [1]: import pandas as pd
    ​
    In [2]: list_a = [2,4,5,6]
    ​
    In [3]: pd.Series(list_a)
    Out[3]:
    0    2
    1    4
    2    5
    3    6
    dtype: int64
    

    标量值,index表达Series类型的尺寸

    
    In [4]: pd.Series(1,index = [1,2,3])
    Out[4]:
    1    1
    2    1
    3    1
    dtype: int64
    

    Python字典,键值对中的“键”是索引,index从字典中进行选择操作

    In [5]: pd.Series({'a':1,'b':3})
    Out[5]:
    a 1
    b 3
    dtype: int64
    #如果定义的index在原字典中已经存在,那么该索引会一直对应原字典的值,如果index对应不到原字典的值,则会返回NaN
    In [11]: pd.Series({'a':1,'b':3},index = ['b','a','c'])
    Out[11]:
    b 3.0
    a 1.0
    c NaN
    dtype: float64
    

    ndarray,索引和数据都可以通过ndarray类型创建

    In [9]: list_b = np.arange(6)
    ​
    In [10]: pd.Series(list_b)
    Out[10]:
    0    0
    1    1
    2    2
    3    3
    4    4
    5    5
    dtype: int32
    

    其他函数,range()函数等

    In [12]: pd.Series(range(3))
    Out[12]:
    0    0
    1    1
    2    2
    dtype: int32
    

    series操作

    Series类型包括index和values两部分

    In [14]: a = pd.Series({'a':1,'b':5}) 
    In [15]: a.index 
    Out[15]: Index(['a', 'b'], dtype='object') 
    
    In [16]: a.values #返回一个多维数组numpy对象 
    Out[16]: array([1, 5], dtype=int64)
    

    Series类型的操作类似ndarray类型

    #自动索引和自定义索引并存,但不能混用
     In [17]: a[0] #自动索引 
    Out[17]: 1 
    #自定义索引 
    In [18]: a['a'] 
    Out[18]: 1 
    #不能混用
    In [20]: a[['a',1]] 
    Out[20]: 
    a 1.0 
    1 NaN 
    dtype: float64
    

    Series类型的操作类似Python字典类型

    #通过自定义索引访问
    #对索引保留字in操作,值不可以
    In [21]: 'a' in a
    Out[21]: True
    ​
    In [22]: 1 in a
    Out[22]: False
    

    Series类型在运算中会自动对齐不同索引的数据

    In [29]: a = pd.Series([1,3,5],index = ['a','b','c']) 
    In [30]: b = pd.Series([2,4,5,6],index = ['c,','d','e','b'])
     In [31]: a+b 
    Out[31]: 
    a NaN 
    b 9.0 
    c NaN 
    c, NaN
    d NaN 
    e NaN 
    

    Series对象可以随时修改并即刻生效

    In [32]: a.index = ['c','d','e'] 
    In [33]: a 
    Out[33]: 
    c 1 
    d 3
     e 5 
    dtype: int64 
    In [34]: a+b 
    Out[34]: 
    b NaN 
    c NaN
    c, NaN 
    d 7.0 
    e 10.0
    dtype: float64
    

    dataframe-pandas

    概述用途

    DataFrame提供的是一个类似表的结构,由多个Series组成,而Series在DataFrame中叫columns

    声明方式

    import pandas as pd
    from pandas import Series, DataFrame
    import numpy as np
    data = DataFrame(np.arange(15).reshape(3,5),index=['one','two','three'],columns=['a','b','c','d','e'])
    print data
    
            a   b   c   d   e
    one     0   1   2   3   4
    two     5   6   7   8   9
    three  10  11  12  13  14
    

    array

    import pandas as pd
    import numpy as np
    s1=np.array([1,2,3,4])
    s2=np.array([5,6,7,8])
    df=pd.DataFrame([s1,s2])
    print df
    

    在这里插入图片描述

    series列表(效果与二维array相同)

    import pandas as pd
    import numpy as np
    s1=pd.Series(np.array([1,2,3,4]))
    s2=pd.Series(np.array([5,6,7,8]))
    df=pd.DataFrame([s1,s2])
    print df
    

    在这里插入图片描述

    value为Series的字典结构

    import pandas as pd
    import numpy as np
    
    s1=pd.Series(np.array([1,2,3,4]))
    s2=pd.Series(np.array([5,6,7,8]))
    df=pd.DataFrame({"a":s1,"b":s2});
    print df
    

    在这里插入图片描述

    操作

    直接取值df.[]

    df=pd.DataFrame({"A":[1,2,3,4],"B":[5,6,7,8],"C":[1,1,1,1]})
    df=df[df.A>=2]
    print df
    

    使用.loc[]

    df=pd.DataFrame({"A":[1,2,3,4],"B":[5,6,7,8],"C":[1,1,1,1]})
    df=df.loc[df.A>2]
    print df
    

    .ix[]索引

    print df.columns.size#列数 2
    print df.iloc[:,0].size#行数 3 
    print df.ix[[0]].index.values[0]#索引值 0
    print df.ix[[0]].values[0][0]#第一行第一列的值 11
    print df.ix[[1]].values[0][1]#第二行第二列的值 121
    

    API

    group(groupby 形成group)

    df = pd.DataFrame({'animal': 'cat dog cat fish dog cat cat'.split(),
                      'size': list('SSMMMLL'),
                      'weight': [8, 10, 11, 1, 20, 12, 12],
                      'adult' : [False] * 5 + [True] * 2});
    #列出动物中weight最大的对应size
    group=df.groupby("animal").apply(lambda subf: subf['size'][subf['weight'].idxmax()])
    print group
    

    在这里插入图片描述
    使用get_group 取出其中一分组

    df = pd.DataFrame({'animal': 'cat dog cat fish dog cat cat'.split(),
                      'size': list('SSMMMLL'),
                      'weight': [8, 10, 11, 1, 20, 12, 12],
                      'adult' : [False] * 5 + [True] * 2});
    
    group=df.groupby("animal")
    cat=group.get_group("cat")
    print cat
    

    在这里插入图片描述

    集合

    概述作用

    集合中包含一系列的元素,在Python中这些元素不需要是相同的类型,且这些元素在集合中是没有存储顺序的。

    声明

    >>> {1,2,"hi",2.23}
    {2.23, 2, 'hi', 1}
    >>> set("hello")
    {'l', 'h', 'e', 'o'}
    

    注:由于集合和字典都用{}表示,所以初始化空的集合只能通过set()操作,{}只是表示一个空的字典

    集合操作

    集合的增加

    >>> a={1,2}
    >>> a.update([3,4],[1,2,7])
    >>> a
    {1, 2, 3, 4, 7}
    >>> a.update("hello")
    >>> a
    {1, 2, 3, 4, 7, 'h', 'e', 'l', 'o'}
    >>> a.add("hello")
    >>> a
    {1, 2, 3, 4, 'hello', 7, 'h', 'e', 'l', 'o'}
    

    集合的删除

    >>> a={1,2,3,4}
    >>> a.discard(1)
    >>> a
    {2, 3, 4}
    >>> a.discard(1)
    >>> a
    {2, 3, 4}
    >>> a.remove(1)
    Traceback (most recent call last):
      File "<input>", line 1, in <module>
    KeyError: 1
    

    集合也支持pop()方法,不过由于集合是无序的,pop返回的结果不能确定,且当集合为空时调用pop会抛出KeyError错误,可以调用clear方法来清空集合:

    >>> a={3,"a",2.1,1}
    >>> a.pop()
    >>> a.pop()
    >>> a.clear()
    >>> a
    set()
    >>> a.pop()
    Traceback (most recent call last):
      File "<input>", line 1, in <module>
    KeyError: 'pop from an empty set'
    

    API

    集合操作

    • 并集:set.union(s),也可以用a|b计算
    • 交集:set.intersection(s),也可以用a&b计算
    • 差集:set.difference(s),也可以用a-b计算
      需要注意的是Python提供了一个求对称差集的方法set.symmetric_difference(s),相当于两个集合互求差集后再求并集,其实就是返回两个集合中只出现一次的元素,也可以用a^b计算。
    >>> a={1,2,3,4}
    >>> b={3,4,5,6}
    >>> a.symmetric_difference(b)
    {1, 2, 5, 6}
    2
    4
    

    set.update(s)操作相当于将两个集合求并集并赋值给原集合,其他几种集合操作也提供各自的update版本来改变原集合的值,形式如intersection_update(),也可以支持多参数形式。

    包含关系

    两个集合之间一般有三种关系,相交、包含、不相交。在Python中分别用下面的方法判断:

    • set.isdisjoint(s):判断两个集合是不是不相交
    • set.issuperset(s):判断集合是不是包含其他集合,等同于a>=b
    • set.issubset(s):判断集合是不是被其他集合包含,等同于a<=b
      如果要真包含关系,就用符号操作>和<。

    不变集合

    Python提供了不能改变元素的集合的实现版本,即不能增加或删除元素,类型名叫frozenset,使用方法如下:

    >>> a = frozenset("hello")
    >>> a
    frozenset({'l', 'h', 'e', 'o'})
    2
    

    需要注意的是frozenset仍然可以进行集合操作,只是不能用带有update的方法。如果要一个有frozenset中的所有元素的普通集合,只需把它当作参数传入集合的构造函数中即可:

    python excel操作

    ##生成数据表

    准备

    import numpy as np
    import pandas as pd
    

    导入数据表

    df=pd.DataFrame(pd.read_csv('name.csv',header=1))
    df=pd.DataFrame(pd.read_excel('name.xlsx'))
    

    创建数据表

    df = pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006],
                       "date":pd.date_range('20130102', periods=6),
                       "city":['Beijing ', 'SH', ' guangzhou ', 'Shenzhen', 'shanghai', 'BEIJING '],
                       "age":[23,44,54,32,34,32],
                       "category":['100-A','100-B','110-A','110-C','210-A','130-F'],
                       "price":[1200,np.nan,2133,5433,np.nan,4432]},
                       columns =['id','date','city','category','age','price'])
    

    数据表检查

    python中处理的数据量通常会比较大,,我们无法一目了然的了解数据表的整体情况,必须要通过一些方法来获得数据表的关键信息。数据表检查的另一个目的是了解数据的概况,例如整个数据表的大小,所占空间,数据格式,是否有空值和重复项和具体的数据内容。为后面的清洗和预处理做好准备。

    数据维度

    #查看数据表的维度
    df.shape
    (6, 6)
    

    数据表信息

    #数据表信息
    df.info()
    
    &lt;class 'pandas.core.frame.DataFrame'&gt;
    RangeIndex: 6 entries, 0 to 5
    Data columns (total 6 columns):
    id          6 non-null int64
    date        6 non-null datetime64[ns]
    city        6 non-null object
    category    6 non-null object
    age         6 non-null int64
    price       4 non-null float64
    dtypes: datetime64[ns](1), float64(1), int64(2), object(2)
    memory usage: 368.0+ bytes
    

    查看数据格式

    #查看数据表各列格式
    df.dtypes
     
    id                   int64
    date        datetime64[ns]
    city                object
    category            object
    age                  int64
    price              float64
    dtype: object
    
    #查看单列格式
    df['B'].dtype
     
    dtype('int64')
    
    

    查看空值

    Isnull是Python中检验空值的函数,返回的结果是逻辑值,包含空值返回True,不包含则返回False。可以对整个数据表进行检查,也可以单独对某一列进行空值检查。

    #检查数据空值
    df.isnull()
    
    #检查特定列空值
    df['price'].isnull()
    0    False
    1     True
    2    False
    3    False
    4     True
    5    False
    
    Name: price, dtype: bool
    

    查看唯一值 (删除重复项)

    #查看city列中的唯一值
    df['city'].unique()
    
    array(['Beijing ', 'SH', ' guangzhou ', 'Shenzhen', 'shanghai', 'BEIJING '], dtype=object)
    

    查看数据表数值

    #查看数据表的值
    df.values
    array([[1001, Timestamp('2013-01-02 00:00:00'), 'Beijing ', '100-A', 23,
            1200.0],
           [1002, Timestamp('2013-01-03 00:00:00'), 'SH', '100-B', 44, nan],
           [1003, Timestamp('2013-01-04 00:00:00'), ' guangzhou ', '110-A', 54,
            2133.0],
           [1004, Timestamp('2013-01-05 00:00:00'), 'Shenzhen', '110-C', 32,
            5433.0],
           [1005, Timestamp('2013-01-06 00:00:00'), 'shanghai', '210-A', 34,
            nan],
           [1006, Timestamp('2013-01-07 00:00:00'), 'BEIJING ', '130-F', 32,
            4432.0]], dtype=object)
    

    查看列名称

    #查看列名称
    df.columns
    Index(['id', 'date', 'city', 'category', 'age', 'price'], dtype='object')
    

    查看前10行数据

    #查看前3行数据
    df.head(3)
    

    查看后10行数据

    #查看最后3行
    df.tail(3)
    

    数据表清洗

    处理空值

    #删除数据表中含有空值的行
    df.dropna(how='any')
    
    
    #使用数字0填充数据表中空值
    df.fillna(value=0)
    
    #使用数字0填充数据表中空值
    df.fillna(value=0)
    
    #使用price均值对NA进行填充
    df['price'].fillna(df['price'].mean())
    0    1200.0
    1    3299.5
    2    2133.0
    3    5433.0
    4    3299.5
    5    4432.0
    Name: price, dtype: float64
    

    清理空格

    #清除city字段中的字符空格
    df['city']=df['city'].map(str.strip)
    

    大小写转换

    #city列大小写转换
    df['city']=df['city'].str.lower()
    

    更改数据格式

    #更改数据格式
    df['price'].astype('int')
    0    1200
    1    3299
    2    2133
    3    5433
    4    3299
    5    4432
    Name: price, dtype: int32
    

    更改列名称

    #更改列名称
    df.rename(columns={'category': 'category-size'})
    

    删除重复值

    #删除后出现的重复值
    df['city'].drop_duplicates()
    0      beijing
    1      sh
    2      guangzhou
    3     shenzhen
    4     shanghai
    Name: city, dtype: object
    
    #删除先出现的重复值
    df['city'].drop_duplicates(keep='last')
    1      sh
    2      guangzhou
    3     shenzhen
    4     shanghai
    5     beijing
    Name: city, dtype: objec
    

    数值修改及替换

    #数据替换
    df['city'].replace('sh', 'shanghai')
    

    数据预处理

    数据表合并

    首先是对不同的数据表进行合并,我们这里创建一个新的数据表df1,并将df和df1两个数据表进行合并。在Excel中没有直接完成数据表合并的功能,可以通过VLOOKUP函数分步实现。在python中可以通过merge函数一次性实现。下面建立df1数据表,用于和df数据表进行合并。

    #数据表匹配合并,inner模式
    df_inner=pd.merge(df,df1,how='inner')
    #其他数据表匹配模式
    df_left=pd.merge(df,df1,how='left')
    df_right=pd.merge(df,df1,how='right')
    df_outer=pd.merge(df,df1,how='outer')
    

    设置索引列

    #设置索引列
    df_inner.set_index('id')
    

    排序(按索引,按数值)

    #按特定列的值排序
    df_inner.sort_values(by=['age'])
    
    #按索引列排序
    df_inner.sort_index()
    

    数据分组(vlookup)

    Excel中可以通过VLOOKUP函数进行近似匹配来完成对数值的分组,或者使用“数据透视表”来完成分组。相应的 python中使用where函数完成数据分组。

    #如果price列的值>3000,group列显示high,否则显示low
    df_inner['group'] = np.where(df_inner['price'] > 3000,'high','low')
    
    #对复合多个条件的数据进行分组标记
    df_inner.loc[(df_inner['city'] == 'beijing') & (df_inner['price'] >= 4000), 'sign']=1
    

    数据分列(对字段拆分)

    #对category字段的值依次进行分列,并创建数据表,索引值为df_inner的索引列,列名称为category和size
    pd.DataFrame((x.split('-') for x in df_inner['category']),index=df_inner.index,columns=['category','size'])
    
    #将完成分列后的数据表与原df_inner数据表进行匹配
    df_inner=pd.merge(df_inner,split,right_index=True, left_index=True)
    

    数据提取

    按标签提取(loc)

    #按索引提取单行的数值
    df_inner.loc[3]
    id 1004
    date 2013-01-05 00:00:00
    city shenzhen
    category 110-C
    age 32
    price 5433
    gender female
    m-point 40
    pay Y
    group high
    sign NaN
    category_1 110
    size C
    Name: 3, dtype: object
    

    使用冒号可以限定提取数据的范围,冒号前面为开始的标签值,后面为结束的标签值。下面提取了0到5的数据行。

    #按索引提取区域行数值
    df_inner.loc[0:5]
    

    Reset_index函数用于恢复索引,这里我们重新将date字段的日期设置为数据表的索引,并按日期进行数据提取。

    #重设索引
    df_inner.reset_index()
    
    #设置日期为索引
    df_inner=df_inner.set_index('date')
    

    使用冒号限定提取数据的范围,冒号前面为空表示从0开始。提取所有2013年1月4日以前的数据。

    #提取4日之前的所有数据
    df_inner[:'2013-01-04']
    

    按位置提取(iloc)

    使用iloc函数按位置对数据表中的数据进行提取,这里冒号前后的数字不再是索引的标签名称,而是数据所在的位置,从0开始。

    #使用iloc按位置区域提取数据
    df_inner.iloc[:3,:2]
    

    iloc函数除了可以按区域提取数据,还可以按位置逐条提取,前面方括号中的0,2,5表示数据所在行的位置,后面方括号中的数表示所在列的位置。

    #使用iloc按位置单独提取数据
    df_inner.iloc[[0,2,5],[4,5]]
    

    按标签和位置提取(ix)

    ix是loc和iloc的混合,既能按索引标签提取,也能按位置进行数据提取。下面代码中行的位置按索引日期设置,列按位置设置。

    #使用ix按索引标签和位置混合提取数据
    df_inner.ix[:'2013-01-03',:4]
    

    按条件提取(区域和条件值)

    除了按标签和位置提起数据以外,还可以按具体的条件进行数据。下面使用loc和isin两个函数配合使用,按指定条件对数据进行提取。
    使用isin函数对city中的值是否为beijing进行判断。

    #判断city列的值是否为beijing
    df_inner['city'].isin(['beijing'])
    
    date
    2013-01-02 True
    2013-01-05 False
    2013-01-07 True
    2013-01-06 False
    2013-01-03 False
    2013-01-04 False
    Name: city, dtype: bool
    

    将isin函数嵌套到loc的数据提取函数中,将判断结果为Ture数据提取出来。这里我们把判断条件改为city值是否为beijing和 shanghai。如果是就把这条数据提取出来。

    #先判断city列里是否包含beijing和shanghai,然后将复合条件的数据提取出来。
    df_inner.loc[df_inner['city'].isin(['beijing','shanghai'])]
    

    数值提取还可以完成类似数据分列的工作,从合并的数值中提取出制定的数值。

    category=df_inner['category']
    0 100-A
    3 110-C
    5 130-F
    4 210-A
    1 100-B
    2 110-A
    Name: category, dtype: object
    
    #提取前三个字符,并生成数据表
    pd.DataFrame(category.str[:3])
    

    数据筛选

    使用与,或,非三个条件配合大于,小于和等于对数据进行筛选,并进行计数和求和。与excel中的筛选功能和countifs和sumifs功能相似。

    按条件筛选(与,或,非)

    #使用“与”条件进行筛选
    df_inner.loc[(df_inner['age'] > 25) & (df_inner['city'] == 'beijing'), ['id','city','age','category','gender']]
    
    #使用“或”条件筛选
    df_inner.loc[(df_inner['age'] > 25) | (df_inner['city'] == 'beijing'), ['id','city','age','category','gender']].sort(['age'])
    

    在前面的代码后增加price字段以及sum函数,按筛选后的结果将price字段值进行求和,相当于excel中sumifs的功能。

    #对筛选后的数据按price字段进行求和
    df_inner.loc[(df_inner['age'] > 25) | (df_inner['city'] == 'beijing'),
    ['id','city','age','category','gender','price']].sort(['age']).price.sum()
    
    19796
    
    #使用“非”条件进行筛选
    df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age','category','gender']].sort(['id'])
    

    在前面的代码后面增加city列,并使用count函数进行计数。相当于excel中的countifs函数的功能。

    #对筛选后的数据按city列进行计数
    df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age','category','gender']].sort(['id']).city.count()
    4
    

    还有一种筛选的方式是用query函数。下面是具体的代码和筛选结果。

    #使用query函数进行筛选
    df_inner.query('city == ["beijing", "shanghai"]')
    

    在前面的代码后增加price字段和sum函数。对筛选后的price字段进行求和,相当于excel中的sumifs函数的功能。

    #对筛选后的结果按price进行求和
    df_inner.query('city == ["beijing", "shanghai"]').price.sum()
    12230
    

    数据汇总

    Excel中使用分类汇总和数据透视可以按特定维度对数据进行汇总,python中使用的主要函数是groupby和pivot_table。下面分别介绍这两个函数的使用方法。

    分类汇总

    Groupby是进行分类汇总的函数,使用方法很简单,制定要分组的列名称就可以,也可以同时制定多个列名称,groupby按列名称出现的顺序进行分组。同时要制定分组后的汇总方式,常见的是计数和求和两种。

    #对所有列进行计数汇总
    df_inner.groupby('city').count()
    
    #对特定的ID列进行计数汇总
    df_inner.groupby('city')['id'].count()
    city
    beijing 2
    guangzhou 1
    shanghai 2
    shenzhen 1
    Name: id, dtype: int64
    
    #对两个字段进行汇总计数
    df_inner.groupby(['city','size'])['id'].count()
    city size
    beijing A 1
    F 1
    guangzhou A 1
    shanghai A 1
    B 1
    shenzhen C 1
    Name: id, dtype: int64
    

    除了计数和求和外,还可以对汇总后的数据同时按多个维度进行计算,下面的代码中按城市对price字段进行汇总,并分别计算price的数量,总金额和平均金额。

    #对city字段进行汇总并计算price的合计和均值。
    df_inner.groupby('city')['price'].agg([len,np.sum, np.mean])
    

    数据透视

    Excel中的插入目录下提供“数据透视表”功能对数据表按特定维度进行汇总。Python中也提供了数据透视表功能。通过pivot_table函数实现同样的效果。
    数据透视表也是常用的一种数据分类汇总方式,并且功能上比groupby要强大一些。下面的代码中设定city为行字段,size为列字段,price为值字段。分别计算price的数量和金额并且按行与列进行汇总。

    #数据透视表
    pd.pivot_table(df_inner,index=["city"],values=["price"],columns=["size"],aggfunc=[len,np.sum],fill_value=0,margins=True)
    

    在这里插入图片描述

    数据统计

    数据采样

    Python通过sample函数完成数据采样。

    #简单的数据采样
    df_inner.sample(n=3)
    

    Weights参数是采样的权重,通过设置不同的权重可以更改采样的结果,权重高的数据将更有希望被选中。这里手动设置6条数据的权重值。将前面4个设置为0,后面两个分别设置为0.5。

    #手动设置采样权重
    weights = [0, 0, 0, 0, 0.5, 0.5]
    f_inner.sample(n=2, weights=weights)
    
    #采样后不放回
    df_inner.sample(n=6, replace=False)
    
    #采样后放回
    df_inner.sample(n=6, replace=True)
    

    描述统计

    Python中可以通过Describe对数据进行描述统计。
    Describe函数是进行描述统计的函数,自动生成数据的数量,均值,标准差等数据。下面的代码中对数据表进行描述统计,并使用round函数设置结果显示的小数位。并对结果数据进行转置。

    #数据表描述性统计
    df_inner.describe().round(2).T
    

    在这里插入图片描述

    标准差

    Python中的Std函数用来接算特定数据列的标准差。

    #标准差
    df_inner['price'].std()
    1523.3516556155596
    

    协方差

    Excel中的数据分析功能中提供协方差的计算,python中通过cov函数计算两个字段或数据表中各字段间的协方差。
    Cov函数用来计算两个字段间的协方差,可以只对特定字段进行计算,也可以对整个数据表中各个列之间进行计算。

    #两个字段间的协方差
    df_inner['price'].cov(df_inner['m-point'])
    17263.200000000001
    	
    #数据表中所有字段间的协方差
    df_inner.cov()
    

    相关分析

    Excel的数据分析功能中提供了相关系数的计算功能,python中则通过corr函数完成相关分析的操作,并返回相关系数。
    Corr函数用来计算数据间的相关系数,可以单独对特定数据进行计算,也可以对整个数据表中各个列进行计算。相关系数在-1到1之间,接近1为正相关,接近-1为负相关,0为不相关。

    #相关性分析
    df_inner['price'].corr(df_inner['m-point'])
    0.77466555617085264
    	
    #数据表相关性分析
    df_inner.corr()
    

    数据输出

    处理和分析完的数据可以输出为xlsx格式和csv格式。

    写入excel

    #输出到excel格式
    df_inner.to_excel('excel_to_python.xlsx', sheet_name='bluewhale_cc')
    

    写入csv

    #输出到CSV格式
    df_inner.to_csv('excel_to_python.csv')
    

    在数据处理的过程中,大部分基础工作是重复和机械的,对于这部分基础工作,我们可以使用自定义函数进行自动化。以下简单介绍对数据表信息获取自动化处理。

    #创建数据表
    df = pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006],
    "date":pd.date_range('20130102', periods=6),
    "city":['Beijing ', 'SH', ' guangzhou ', 'Shenzhen', 'shanghai', 'BEIJING '],
    "age":[23,44,54,32,34,32],
    "category":['100-A','100-B','110-A','110-C','210-A','130-F'],
    "price":[1200,np.nan,2133,5433,np.nan,4432]},
    columns =['id','date','city','category','age','price'])
    	
    #创建自定义函数
    def table_info(x):
        shape=x.shape
        types=x.dtypes
        colums=x.columns
        print("数据维度(行,列):\n",shape)
        print("数据格式:\n",types)
        print("列名称:\n",colums)
    	
    #调用自定义函数获取df数据表信息并输出结果
    table_info(df)
     
    数据维度(行,列):
    (6, 6)
    数据格式:
    id int64
    date datetime64[ns]
    city object
    category object
    age int64
    price float64
    dtype: object
    列名称:
    Index(['id', 'date', 'city', 'category', 'age', 'price'], dtype='object')
    

    参考

    好的学习资料


    展开全文
  • 利用pythonexcel中一列的时间数据更改格式操作,数据,日期,存货,列表,表格利用pythonexcel中一列的时间数据更改格式操作易采站长站,站长之家为您整理了利用pythonexcel中一列的时间数据更改格式操作的相关内容...

    利用python对excel中一列的时间数据更改格式操作,数据,日期,存货,列表,表格

    利用python对excel中一列的时间数据更改格式操作

    易采站长站,站长之家为您整理了利用python对excel中一列的时间数据更改格式操作的相关内容。

    问题场景:需要将下列的交期一列的数据格式更改成2019/05/10存货编码 尺寸 数量 交期

    0 K10Y0190000X B140 200 2019-05-10 00:00:00

    1 K10Y0190000X B150 200 2019-05-10 00:00:00

    2 K10Y0190000X B165 100 2019-05-10 00:00:00

    3 K10Y0190000X B175 300 2019-05-10 00:00:00

    4 K10Y0190000X B180 200 2019-05-10 00:00:00

    5 K10B02400000 B130 400 2019-06-30 00:00:00

    6 K10B02400000 B140 200 2019-06-30 00:00:00

    7 K10B02400000 B170 800 2019-06-30 00:00:00

    8 K10B02400000 B180 400 2019-06-30 00:00:00

    9 K10B02400123 B120 100 2019-06-20 00:00:00

    0.导入库import numpy as npimport pandas as pdimport time

    1. 读取数据df=pd.DataFrame(pd.read_excel('C:\\Users\\yys\\Desktop\\请购单.xlsx'))

    2. 思路:将此列数据提取出来,存为列表,再更改格式,再放回表格中#for循环选出需要数据,存为列表t_list=[]for i in df['交期']:i=str(i)t1=time.strptime(i,"%Y-%m-%d %H:%M:%S")t2=time.strftime("%Y/%m/%d",t1)t_list.append(t2)#将列表添加进原本的表格数据中df['交货日期']=t_list#删除原本的日期del df['交期']

    3. 输出至新的文件df4.to_excel('E:\\yys\\请购单_new.xlsx')

    数据已经更改成功;存货编码 尺寸 数量 交货日期

    0 K10Y0190000X B140 200 2019/05/10

    1 K10Y0190000X B150 200 2019/05/10

    2 K10Y0190000X B165 100 2019/05/10

    3 K10Y0190000X B175 300 2019/05/10

    4 K10Y0190000X B180 200 2019/05/10

    5 K10B02400000 B130 400 2019/06/30

    6 K10B02400000 B140 200 2019/06/30

    7 K10B02400000 B170 800 2019/06/30

    8 K10B02400000 B180 400 2019/06/30

    9 K10B02400123 B120 100 2019/06/20

    10 K10B02400123 B140 100 2019/06/20

    补充知识:python 在excel文件中写入date日期数据,如何显示为日期格式而不是数字

    我就废话不多说了,大家还是直接看代码吧~dateFormat = xlwt.XFStyle()dateFormat.num_format_str = 'yyyy/mm/dd'worksheet.write(0, 0, dt.date.today(),dateFormat)以上就是关于对利用python对excel中一列的时间数据更改格式操作的详细介绍。欢迎大家对利用python对excel中一列的时间数据更改格式操作内容提出宝贵意见

    展开全文
  • 如何使用PythonExcel中获取数据粘贴到网页,然后...网页的内容复制Excel里面去的方法如下 打开网定位到需要复制内容的页面,键盘Ctrl A全选,Ctrl C复制当前页面。 启动Excel软件,Ctrl V粘贴到Excel的空白工作表...
  • pythonexcel数据分析常用功能 (一文学会如何用Python实现excel基础功能) 本文主要应用pandas包完成,先加载pandas包 import pandas as pd 1、excel数据读取 data = pd.read_excel(r"C:\\Users\\Desktop\\test....
  • 最近做了一项工作需要把处理的数据写入到Excel表格中进行保存,所以在此就简单介绍使用Python如何把数据保存到...接下来就做一个简单的demo ,把三行数据添加excel中。具体代码如下:#!/usr/bin/env python# coding...
  • Python处理Excel数据

    2020-07-09 11:44:02
    1.从零基础开始用python处理Excel数据 1-1 什么是python.mp4 1-2 为什么要学习用Python处理Excel表格.mp4 1-3 手把手教你安装python程序.mp4 1-4 安装Python集成开发工具PyCharm.mp4 1-5 Python的输出与输入....
  • 原博文2017-06-16 10:34 −序 Excel数据分钟中最常用的工具,通过PythonExcel功能对比,介绍如何使用Python通过函数式编程完成Excel中的数据处理及分析工作。 在Python中pandas库用于数据处理,我们从1787页的...
  • 使用pythonExcel数据转换为json数据

    千次阅读 2020-12-04 18:05:40
    使用pythonExcel数据转换为json数据 前段时间接触过将Excel数据装换为json数据的工作,今天做个记录,网上好像有工具可以直接转换,但是格式不能满足我的要求,后来自己就直接用python进行了数据转换。 话不多说,...
  • 最近做了一项工作需要把处理的数据写入到Excel表格中进行保存,所以在此就简单介绍使用Python如何把数据保存到...接下来就做一个简单的demo ,把三行数据添加excel中。具体代码如下:#!/usr/bin/env python# coding...
  • Python处理excel数据

    千次阅读 2016-08-23 13:02:54
    Python操纵excel,控制读写
  • 利用Python处理Excel数据

    万次阅读 多人点赞 2017-10-29 20:25:50
    添加默认的列名 显示数据后5行 显示数据唯一值 跳过文件的第i行不读取 对缺失值进行识别 数据清洗 处理空值 更改数据格式 更改列名称 删除重复值 对列表内的值进行替换 数据预处理 对数据进行排序 数据分组 数据...
  • 原标题:Python自动化如何处理excel文件数据python自动化中,经常会遇到对数据文件的操作,比如添加多名员工,但是直接将员工数据写在python文件中,不但工作量大,要是以后再次遇到类似批量数据操作还会写在...
  • 输出字典类型:import xlrddef read_excel_data(): filename = 'E:\学历列表.xls' data = xlrd.open_workbook(filename) table = data.sheet...0855相关推荐2019-12-08 20:02 −利用Python读取和修改Ex...
  • 最近做了一项工作需要把处理的数据写入到Excel表格中进行保存,所以在此就简单介绍使用Python如何把数据保存到...接下来就做一个简单的demo ,把三行数据添加excel中。具体代码如下:#!/usr/bin/env python# coding...
  • Python处理Excel数据转化npz文件

    千次阅读 2019-05-17 23:47:38
     机器学习中经常会处理excel数据,下文简单介绍Python中读取excel并转化数据集。 1、Python读取excel数据  这里会用到xlrd和xlwt包,这两个包可以很轻易在网上找到,此处不再赘述。下载好安装包后,首先导入需要的...
  • 情景:当我们需要从excel表中筛选出符合某个条件的数据,例如我们需要从附加标签中筛选出2班的行数据 import xlrd import xlwt #需处理的文件名 file = '0422.xlsx' #读取文件 data = xlrd.open_workbook(file...
  • 原博文2020-04-11 21:23 −使用Pandas读取excel数据如下:df_column = pd.read_excel("测试数据.xlsx",header=None)#取消默认第一行为列名print(df_column)# 自定义map函数def test_map(x): return (x+1)df_......
  • python实现excel数据添加到mongodb

    千次阅读 2018-07-03 16:25:05
    利用pymongo包进行数据库的连接,使用xlrd包读取excel数据,由于二者数据结构的不同,要将excel格式数据转换为json格式数据。由于编码问题会出现“TypeError: ‘str’ object does not support item assignment”,...
  • python读取Excel数据,并插入到MySQL数据库

    万次阅读 多人点赞 2018-09-18 15:13:01
    本文主要介绍一种实际工作场景下,对excel文件处理并插入至MySQL的实现方案。
  • 从零基础开始用python处理Excel数据1-1 什么是python.mp41-2 为什么要学习用Python处理Excel表格.mp41-3 手把手教你安装python程序.mp41-4 安装Python集成开发工具PyCharm.mp41-5 Python的输出与输入.mp41-6 Python...
  • python进行excel数据读写

    千次阅读 2016-11-12 22:15:38
    excel数据读取 安装xlrd库 windows下在 www.lfd.uci.edu/~gohlke/pythonlibs/ 下载 pip install xlrd-1.0.0-py2.py3-none-any.whl进行安装linux下直接 pip install xlrd 进行安装ps: import xlrd(导入模块)
  • PythonExcel数据自动填写到Word

    千次阅读 多人点赞 2020-04-22 01:19:21
    文章目录PythonExcel数据自动填写到Word需求实现py文件打包成exe程序 PythonExcel数据自动填写到Word 需求 需求:批量制作劳动合同表,要从excel表格中将每个人的数据导入到docx劳动合同中,重复量很大,因此...
  • python读取Excel数据插入数据库

    千次阅读 2019-03-15 10:02:49
    使用pythonExcel数据插入数据库: 在刚开始使用时,遇到过好多坑,先详细写一下: ①在操作excel时,需要导入xlrd(pip install xlrd) ②在操作数据库时,需要导入pymysql.cursor (pip install pymysql) ...
  • python读取excel数据到mysql

    千次阅读 2019-09-10 17:31:42
    最近工作中需要临时将外部的excel数据导入到自己公司的系统中,作为原始的数据进行后续处理,一开始打算写一段程序进行处理的,想想还是放弃了,因为java程序读取excel的数据到mysql总体来说还是比较麻烦的,而且...
  • PythonExcel的读写主要有:xlrd、xlwt、xlutils、openpyxl、xlsxwriter几种xlutils结合xlrd: 操作的是以xls后缀的excel,读取文件保留原格式:加:formatting_info=True常用方法:1、打开xls:open_workbook...
  • PythonExcel数据自动填充到Word指定位置中

    万次阅读 多人点赞 2020-09-23 22:23:01
    目录PythonExcel数据自动填写到Word需求实现 PythonExcel数据自动填写到Word 需求 需求:批量制作档案表,要从excel表格中将每个人的数据导入到docx档案中,重复量很大,因此可以使用python高效解决。 渲染:...
  • 利用Python取出excel数据并生成统计图

    千次阅读 2019-09-14 22:07:30
    取出excel数据生成图表 ...Python中用来读取excel数据的模块 安装pip install xlrd xlrd文档 pyecharts Echarts 是一个由百度开源的数据可视化,凭借着良好的交互性,精巧的图表设计,得到了众多开发者的认可。 ...
  • 首先学习Python的基础知识,然后使用Python来控制Excel,做数据处理。电子版数据免费下载 链接: https://pan.baidu.com/s/17xqT5bXsJFbfXJTXcGrXYQ 提取码: src8 复制这段内容后打开百度网盘手机App,操作更方便哦...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 33,285
精华内容 13,314
关键字:

python加载excel数据

python 订阅