精华内容
下载资源
问答
  • Excel数据分析中最常用的工具,本篇文章通过pythonexcel的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pandas官网文档中总结出...

    Excel是数据分析中最常用的工具,本篇文章通过python与excel的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pandas官网文档中总结出最常用的36个函数,通过这些函数介绍如何通过python完成数据生成和导入,数据清洗,预处理,以及最常见的数据分类,数据筛选,分类 汇总,透视等最常见的操作。

    文章内容共分为9个部分。这是第一篇,介绍前3部分内容,数据表生成,数据表查看,和数据清洗。以下是《像Excel一样使用python进行数据分析》系列文章的目录。

    %E7%9B%AE%E5%BD%95-643x1024.png

    1, 生成数据表

    第一部分是生成数据表,常见的生成方法有两种,第一种是导入外部数据,第二种是直接写入数据。 Excel中的文件菜单中提供了获取外部数据的功能,支持数据库和文本文件和页面的多种数据源导入。

    %E8%8E%B7%E5%8F%96%E5%A4%96%E9%83%A8%E6%95%B0%E6%8D%AE.png

    python支持从多种类型的数据导入。在开始使用python进行数据导入前需要先导入pandas库,为了方便起见,我们也同时导入numpy库。

    1

    2

    import numpy as np

    import pandas as pd

    导入数据表

    下面分别是从excel和csv格式文件导入数据并创建数据表的方法。代码是最简模式,里面有很多可选参数设置,例如列名称,索引列,数据格式等等。感兴趣的朋友可以参考pandas的

    官方文档。

    1

    2

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

    df=pd.DataFrame(pd.read_excel('name.xlsx'))

    创建数据表

    另一种方法是通过直接写入数据来生成数据表,excel中直接在单元格中输入数据就可以,python中通过下面的代码来实现。生成数据表的函数是pandas库中的DateFrame函数,数据表一共有6行数据,每行有6个字段。在数据中我们特意设置了一些NA值和有问题的字段,例如包含空格等。后面将在数据清洗步骤进行处理。后面我们将统一以DataFrame的简称df来命名数据表。

    1

    2

    3

    4

    5

    6

    7

    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'])

    这是刚刚创建的数据表,我们没有设置索引列,price字段中包含有NA值,city字段中还包含了一些脏数据。

    df.png

    2,数据表检查

    第二部分是对数据表进行检查,python中处理的数据量通常会比较大,比如我们之前的文章中介绍的纽约出租车数据和Citibike的骑行数据,数据量都在千万级,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(行列)

    Excel中可以通过CTRL+向下的光标键,和CTRL+向右的光标键来查看行号和列号。Python中使用shape函数来查看数据表的维度,也就是行数和列数,函数返回的结果(6,6)表示数据表有6行,6列。下面是具体的代码。

    1

    2

    3

    #查看数据表的维度

    df.shape

    (6,6)

    数据表信息

    使用info函数查看数据表的整体信息,这里返回的信息比较多,包括数据维度,列名称,数据格式和所占空间等信息。

    1

    2

    3

    4

    5

    6

    7

    8

    9

    10

    11

    12

    13

    14

    #数据表信息

    df.info()

    <class 'pandas.core.frame.DataFrame'>

    RangeIndex:6 entries,0 to5

    Data columns (total6 columns):

    id 6 non-null int64

    date6 non-null datetime64[ns]

    city6 non-nullobject

    category6 non-nullobject

    age6 non-null int64

    price4 non-null float64

    dtypes: datetime64[ns](1), float64(1), int64(2),object(2)

    memory usage:368.0+ bytes

    查看数据格式

    Excel中通过选中单元格并查看开始菜单中的数值类型来判断数据的格式。Python中使用dtypes函数来返回数据格式。

    %E6%9F%A5%E7%9C%8B%E6%95%B0%E6%8D%AE%E6%A0%BC%E5%BC%8F.png

    Dtypes是一个查看数据格式的函数,可以一次性查看数据表中所有数据的格式,也可以指定一列来单独查看。

    1

    2

    3

    4

    5

    6

    7

    8

    9

    10

    #查看数据表各列格式

    df.dtypes

    id int64

    date datetime64[ns]

    cityobject

    categoryobject

    age int64

    price float64

    dtype:object

    1

    2

    3

    4

    #查看单列格式

    df['B'].dtype

    dtype('int64')

    查看空值

    Excel中查看空值的方法是使用“定位条件”功能对数据表中的空值进行定位。“定位条件”在“开始”目录下的“查找和选择”目录中。

    %E6%9F%A5%E7%9C%8B%E7%A9%BA%E5%80%BC.png

    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。

    1

    2

    #检查数据空值

    df.isnull()

    df_isnull.png

    1

    2

    3

    4

    5

    6

    7

    8

    9

    10

    #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

    Excel中查看唯一值的方法是使用“条件格式”对唯一值进行颜色标记。Python中使用unique函数查看唯一值。

    %E6%9F%A5%E7%9C%8B%E5%94%AF%E4%B8%80%E5%80%BC.png

    Unique是查看唯一值的函数,只能对数据表中的特定列进行检查。下面是代码,返回的结果是该列中的唯一值。类似与Excel中删除重复项后的结果。

    1

    2

    3

    4

    #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

    Python中的Values函数用来查看数据表中的数值。以数组的形式返回,不包含表头信息。

    1

    2

    3

    4

    5

    6

    7

    8

    9

    10

    11

    12

    13

    14

    #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

    Colums函数用来单独查看数据表中的列名称。

    1

    2

    3

    4

    #查看列名称

    df.columns

    Index(['id','date','city','category','age','price'], dtype='object')

    查看前10行数据

    Head函数用来查看数据表中的前N行数据,默认head()显示前10行数据,可以自己设置参数值来确定查看的行数。下面的代码中设置查看前3行的数据。

    1

    2

    #查看前3行数据

    df.head(3)

    df_head3.png

    查看后10行数据

    Tail行数与head函数相反,用来查看数据表中后N行的数据,默认tail()显示后10行数据,可以自己设置参数值来确定查看的行数。下面的代码中设置查看后3行的数据。

    1

    2

    #查看最后3行

    df.tail(3)

    df_tail3.png

    3,数据表清洗

    第三部分是对数据表中的问题进行清洗。主要内容包括对空值,大小写问题,数据格式和重复值的处理。这里不包含对数据间的逻辑验证。

    处理空值(删除或填充)

    我们在创建数据表的时候在price字段中故意设置了几个NA值。对于空值的处理方式有很多种,可以直接删除包含空值的数据,也可以对空值进行填充,比如用0填充或者用均值填充。还可以根据不同字段的逻辑对空值进行推算。

    Excel中可以通过“查找和替换”功能对空值进行处理,将空值统一替换为0或均值。也可以通过“定位”空值来实现。

    %E6%9F%A5%E6%89%BE%E5%92%8C%E6%9B%BF%E6%8D%A2%E7%A9%BA%E5%80%BC.png

    Python中处理空值的方法比较灵活,可以使用 Dropna函数用来删除数据表中包含空值的数据,也可以使用fillna函数对空值进行填充。下面的代码和结果中可以看到使用dropna函数后,包含NA值的两个字段已经不见了。返回的是一个不包含空值的数据表。

    1

    2

    #删除数据表中含有空值的行

    df.dropna(how='any')

    df_dropna.png

    除此之外也可以使用数字对空值进行填充,下面的代码使用fillna函数对空值字段填充数字0。

    1

    2

    #使用数字0填充数据表中空值

    df.fillna(value=0)

    我们选择填充的方式来处理空值,使用price列的均值来填充NA字段,同样使用fillna函数,在要填充的数值中使用mean函数先计算price列当前的均值,然后使用这个均值对NA进行填

    充。可以看到两个空值字段显示为3299.5

    1

    2

    3

    4

    5

    6

    7

    8

    9

    10

    #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

    df_nan.png

    清理空格

    除了空值,字符中的空格也是数据清洗中一个常见的问题,下面是清除字符中空格的代码。

    1

    2

    #清除city字段中的字符空格

    df['city']=df['city'].map(str.strip)

    大小写转换

    在英文字段中,字母的大小写不统一也是一个常见的问题。Excel中有UPPER,LOWER等函数,python中也有同名函数用来解决大小写的问题。在数据表的city列中就存在这样的问题。我们将city列的所有字母转换为小写。下面是具体的代码和结果。

    1

    2

    3

    #city列大小写转换

    df['city']=df['city'].str.lower()

    lower.png

    更改数据格式

    Excel中通过“设置单元格格式”功能可以修改数据格式。Python中通过astype函数用来修改数据格式。

    %E8%AE%BE%E7%BD%AE%E5%8D%95%E5%85%83%E6%A0%BC%E6%A0%BC%E5%BC%8F.png

    Python中dtype是查看数据格式的函数,与之对应的是astype函数,用来更改数据格式。下面的代码中将price字段的值修改为int格式。

    1

    2

    3

    4

    5

    6

    7

    8

    9

    10

    #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

    Rename是更改列名称的函数,我们将来数据表中的category列更改为category-size。下面是具体的代码和更改后的结果。

    1

    2

    #更改列名称

    df.rename(columns={'category':'category-size'})

    df_rename.png

    删除重复值

    很多数据表中还包含重复值的问题,Excel的数据目录下有“删除重复项”的功能,可以用来删除数据表中的重复值。默认Excel会保留最先出现的数据,删除后面重复出现的数据。

    %E5%88%A0%E9%99%A4%E9%87%8D%E5%A4%8D%E9%A1%B9.png

    Python中使用drop_duplicates函数删除重复值。我们以数据表中的city列为例,city字段中存在重复值。默认情况下drop_duplicates()将删除后出现的重复值(与excel逻辑一致)。增加keep=’last’参数后将删除最先出现的重复值,保留最后的值。下面是具体的代码和比较结果。

    原始的city列中beijing存在重复,分别在第一位和最后一位。

    1

    2

    3

    4

    5

    6

    7

    8

    df['city']

    0 beijing

    1 sh

    2 guangzhou

    3 shenzhen

    4 shanghai

    5 beijing

    Name: city, dtype:object

    使用默认的drop_duplicates()函数删除重复值,从结果中可以看到第一位的beijing被保留,最后出现的beijing被删除。

    1

    2

    3

    4

    5

    6

    7

    8

    #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

    设置keep=’last"’参数后,与之前删除重复值的结果相反,第一位出现的beijing被删除,保留了最后一位出现的beijing。

    1

    2

    3

    4

    5

    6

    7

    8

    #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

    数据清洗中最后一个问题是数值修改或替换,Excel中使用“查找和替换”功能就可以实现数值的替换。

    %E6%9F%A5%E6%89%BE%E5%92%8C%E6%9B%BF%E6%8D%A2%E7%A9%BA%E5%80%BC1.png

    Python中使用replace函数实现数据替换。数据表中city字段上海存在两种写法,分别为shanghai和SH。我们使用replace函数对SH进行替换。

    1

    2

    3

    4

    5

    6

    7

    8

    9

    #数据替换

    df['city'].replace('sh','shanghai')

    0 beijing

    1 shanghai

    2 guangzhou

    3 shenzhen

    4 shanghai

    5 beijing

    Name: city, dtype:object

    本篇文章这是系列的第二篇,介绍第4-6部分的内容,数据表生成,数据表查看,和数据清洗。

    4-6%E7%9B%AE%E5%BD%95.png

    4,数据预处理

    第四部分是数据的预处理,对清洗完的数据进行整理以便后期的统计和分析工作。主要包括数据表的合并,排序,数值分列,数据分

    组及标记等工作。

    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。

    1

    2

    3

    4

    5

    #创建df1数据表

    df1=pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006,1007,1008],

    "gender":['male','female','male','female','male','female','male','female'],

    "pay":['Y','N','Y','Y','N','Y','N','Y',],

    "m-point":[10,12,20,40,40,40,30,20]})

    df1.png

    使用merge函数对两个数据表进行合并,合并的方式为inner,将两个数据表中共有的数据匹配到一起生成新的数据表。并命名为df_inner。

    1

    2

    #数据表匹配合并,inner模式

    df_inner=pd.merge(df,df1,how='inner')

    df_inner.png

    除了inner方式以外,合并的方式还有left,right和outer方式。这几种方式的差别在我其他的文章中有详细的说明和对比。

    1

    2

    3

    4

    #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

    完成数据表的合并后,我们对df_inner数据表设置索引列,索引列的功能很多,可以进行数据提取,汇总,也可以进行数据筛选等。

    设置索引的函数为set_index。

    1

    2

    #设置索引列

    df_inner.set_index('id')

    df_inner_set_index.png

    排序(按索引,按数值)

    Excel中可以通过数据目录下的排序按钮直接对数据表进行排序,比较简单。Python中需要使用ort_values函数和sort_index函数完成排序。

    %E6%8E%92%E5%BA%8F.png

    在python中,既可以按索引对数据表进行排序,也可以看制定列的数值进行排序。首先我们按age列中用户的年龄对数据表进行排序。

    使用的函数为sort_values。

    1

    2

    #按特定列的值排序

    df_inner.sort_values(by=['age'])

    sort_values.png

    Sort_index函数用来将数据表按索引列的值进行排序。

    1

    2

    #按索引列排序

    df_inner.sort_index()

    sort_index.png

    数据分组

    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。

    Where函数用来对数据进行判断和分组,下面的代码中我们对price列的值进行判断,将符合条件的分为一组,不符合条件的分为另一组,并使用group字段进行标记。

    1

    2

    #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')

    where.png

    除了where函数以外,还可以对多个字段的值进行判断后对数据进行分组,下面的代码中对city列等于beijing并且price列大于等于4000的数据标记为1。

    1

    2

    #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

    sign.png

    数据分列

    与数据分组相反的是对数值进行分列,Excel中的数据目录下提供“分列”功能。在python中使用split函数实现分列。

    %E6%95%B0%E6%8D%AE%E5%88%86%E5%88%97.png

    在数据表中category列中的数据包含有两个信息,前面的数字为类别id,后面的字母为size值。中间以连字符进行连接。我们使用split函数对这个字段进行拆分,并将拆分后的数据表匹配回原数据表中。

    1

    2

    #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 xin df_inner['category']),index=df_inner.index,columns=['category','size'])

    split.png

    1

    2

    #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)

    merge_1-1024x298.png

    5,数据提取

    第五部分是数据提取,也是数据分析中最常见的一个工作。这部分主要使用三个函数,loc,iloc和ix,loc函数按标签值进行提取,iloc按位置进行提取,ix可以同时按标签和位置进行提取。下面介绍每一种函数的使用方法。

    按标签提取(loc)

    Loc函数按数据表的索引标签进行提取,下面的代码中提取了索引列为3的单条数据。

    1

    2

    3

    4

    5

    6

    7

    8

    9

    10

    11

    12

    13

    14

    15

    16

    #按索引提取单行的数值

    df_inner.loc[3]

    id 1004

    date2013-01-05 00:00:00

    city shenzhen

    category110-C

    age32

    price5433

    gender female

    m-point40

    pay Y

    group high

    sign NaN

    category_1110

    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。

    1

    2

    #按索引提取区域行数值

    df_inner.loc[0:5]

    df_inner_loc1-1024x171.png

    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。

    1

    2

    #重设索引

    df_inner.reset_index()

    reset_index-1024x274.png

    1

    2

    #设置日期为索引

    df_inner=df_inner.set_index('date')

    set_index_date-1024x338.png

    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。

    1

    2

    #提取4日之前的所有数据

    df_inner[:'2013-01-04']

    %E6%8C%89%E6%8F%90%E8%B5%B7%E6%8F%90%E5%8F%96-1024x217.png

    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。

    1

    2

    #使用iloc按位置区域提取数据

    df_inner.iloc[:3,:2]

    iloc1.png

    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。

    1

    2

    #使用iloc按位置单独提取数据

    df_inner.iloc[[0,2,5],[4,5]]

    iloc2.png

    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。

    1

    2

    #使用ix按索引标签和位置混合提取数据

    df_inner.ix[:'2013-01-03',:4]

    ix.png

    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。

    1

    2

    3

    4

    5

    6

    7

    8

    9

    10

    11

    #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。

    1

    2

    #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'])]

    loc%E6%8C%89%E7%AD%9B%E9%80%89%E6%9D%A1%E4%BB%B6%E6%8F%90%E5%8F%96-1024x266.png

    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。

    1

    2

    3

    4

    5

    6

    7

    8

    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

    1

    2

    #提取前三个字符,并生成数据表

    pd.DataFrame(category.str[:3])

    category_str.png

    6,数据筛选

    第六部分为数据筛选,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)

    Excel数据目录下提供了“筛选”功能,用于对数据表按不同的条件进行筛选。Python中使用loc函数配合筛选条件来完成筛选功能。配合sum和count函数还能实现excel中sumif和countif函数的功能。

    %E7%AD%9B%E9%80%89.png

    使用“与”条件进行筛选,条件是年龄大于25岁,并且城市为beijing。筛选后只有一条数据符合要求。

    1

    2

    #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']]

    %E4%B8%8E.png

    使用“或”条件进行筛选,年龄大于25岁或城市为beijing。筛选后有6条数据符合要求。

    1

    2

    3

    #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'])

    %E6%88%96.png

    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。

    1

    2

    3

    4

    5

    #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,城市不等于beijing。符合条件的数据有4条。将筛选结果按id列进行排序。

    1

    2

    #使用“非”条件进行筛选

    df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age','category','gender']].sort(['id'])

    %E9%9D%9E.png

    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。

    1

    2

    3

    #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。

    1

    2

    #使用query函数进行筛选

    df_inner.query('city == ["beijing", "shanghai"]')

    query-1024x263.png

    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。

    1

    2

    3

    #对筛选后的结果按price进行求和

    df_inner.query('city == ["beijing", "shanghai"]').price.sum()

    12230

    这是第三篇,介绍第7-9部分的内容,数据汇总,数据统计,和数据输出。

    7-9%E7%9B%AE%E5%BD%95.png

    7,数据汇总

    第七部分是对数据进行分类汇总,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

    Excel的数据目录下提供了“分类汇总”功能,可以按指定的字段和汇总方式对数据表进行汇总。Python中通过Groupby函数完成相应的操作,并可以支持多级分类汇总。

    %E5%88%86%E7%B1%BB%E6%B1%87%E6%80%BB1.png

    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。

    1

    2

    #对所有列进行计数汇总

    df_inner.groupby('city').count()

    groupby.png

    可以在groupby中设置列名称来对特定的列进行汇总。下面的代码中按城市对id字段进行汇总计数。

    1

    2

    3

    4

    5

    6

    7

    8

    #对特定的ID列进行计数汇总

    df_inner.groupby('city')['id'].count()

    city

    beijing2

    guangzhou1

    shanghai2

    shenzhen1

    Name:id, dtype: int64

    在前面的基础上增加第二个列名称,分布对city和size两个字段进行计数汇总。

    1

    2

    3

    4

    5

    6

    7

    8

    9

    10

    #对两个字段进行汇总计数

    df_inner.groupby(['city','size'])['id'].count()

    city size

    beijing A1

    F1

    guangzhou A1

    shanghai A1

    B1

    shenzhen C1

    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。

    1

    2

    #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])

    groupby1.png

    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。

    %E6%95%B0%E6%8D%AE%E9%80%8F%E8%A7%86.png

    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。

    1

    2

    #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)

    pivot_table.png

    8,数据统计

    第九部分为数据统计,这里主要介绍数据采样,标准差,协方差和相关系数的使用方法。

    数据采样

    Excel的数据分析功能中提供了数据抽样的功能,如下图所示。Python通过sample函数完成数据采样。

    %E6%95%B0%E6%8D%AE%E6%8A%BD%E6%A0%B7.png

    Sample是进行数据采样的函数,设置n的数量就可以了。函数自动返回参与的结果。

    1

    2

    #简单的数据采样

    df_inner.sample(n=3)

    %E7%AE%80%E5%8D%95%E9%9A%8F%E6%9C%BA%E9%87%87%E6%A0%B7-1024x218.png

    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。

    1

    2

    3

    #手动设置采样权重

    weights= [0,0,0,0,0.5,0.5]

    df_inner.sample(n=2, weights=weights)

    %E6%89%8B%E5%8A%A8%E8%AE%BE%E7%BD%AE%E9%87%87%E6%A0%B7%E6%9D%83%E9%87%8D1-1024x341.png

    从采样结果中可以看出,后两条权重高的数据被选中。

    %E6%89%8B%E5%8A%A8%E8%AE%BE%E7%BD%AE%E9%87%87%E6%A0%B7%E6%9D%83%E9%87%8D2-1024x176.png

    Sample函数中还有一个参数replace,用来设置采样后是否放回。

    1

    2

    #采样后不放回

    df_inner.sample(n=6, replace=False)

    %E9%87%87%E6%A0%B7%E5%90%8E%E4%B8%8D%E6%94%BE%E5%9B%9E-1024x343.png

    1

    2

    #采样后放回

    df_inner.sample(n=6, replace=True)

    %E9%87%87%E6%A0%B7%E5%90%8E%E6%94%BE%E5%9B%9E-1024x348.png

    描述统计

    Excel中的数据分析中提供了描述统计的功能。Python中可以通过Describe对数据进行描述统计。

    %E6%8F%8F%E8%BF%B0%E7%BB%9F%E8%AE%A1.png

    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。

    1

    2

    #数据表描述性统计

    df_inner.describe().round(2).T

    describe.png

    标准差

    Python中的Std函数用来接算特定数据列的标准差。

    1

    2

    3

    #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。

    %E5%8D%8F%E6%96%B9%E5%B7%AE.png

    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。

    1

    2

    3

    #两个字段间的协方差

    df_inner['price'].cov(df_inner['m-point'])

    17263.200000000001

    1

    2

    #数据表中所有字段间的协方差

    df_inner.cov()

    cov.png

    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。

    %E7%9B%B8%E5%85%B3%E7%B3%BB%E6%95%B0.png

    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。

    1

    2

    3

    #相关性分析

    df_inner['price'].corr(df_inner['m-point'])

    0.77466555617085264

    1

    2

    #数据表相关性分析

    df_inner.corr()

    corr.png

    9,数据输出

    第九部分是数据输出,处理和分析完的数据可以输出为xlsx格式和csv格式。

    写入excel

    1

    2

    #输出到excel格式

    df_inner.to_excel('excel_to_python.xlsx', sheet_name='bluewhale_cc')

    excel-1024x156.png

    写入csv

    1

    2

    #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。

    1

    2

    3

    4

    5

    6

    7

    8

    #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'])

    1

    2

    3

    4

    5

    6

    7

    8

    #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): ",shape)

    print("数据格式: ",types)

    print("列名称: ",colums)

    1

    2

    3

    4

    5

    6

    7

    8

    9

    10

    11

    12

    13

    14

    15

    #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]

    cityobject

    categoryobject

    age int64

    price float64

    dtype:object

    列名称:

    Index(['id','date','city','category','age','price'], dtype='object')

    转载来源于:

    http://bluewhale.cc/2017-04-21/use-python-for-data-analysis-like-excel-1.html

    http://bluewhale.cc/2017-04-21/use-python-for-data-analysis-like-excel-2.html

    http://bluewhale.cc/2017-04-21/use-python-for-data-analysis-like-excel-3.html

    展开全文
  • Excel数据分析中最常用的工具,本篇文章通过pythonexcel的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,通过这些函数介绍如何通过python完成...

    Excel是数据分析中最常用的工具,本篇文章通过python与excel的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,通过这些函数介绍如何通过python完成数据分析中导入数据,理解数据,清洗数据,模型构建和一部分KPI指标如何实现。

    使用的数据是 朝阳医院2018年销售数据

    aaARVb.jpg

    aaARVb.jpg

    导入数据以及理解数据部分

    导入excel

    import pandas as pd

    xls=pd.ExcelFile("G:\xlsx文件\朝阳医院2018年销售数据.xlsx’)

    salesdf=xls.parse("Sheet1’)

    Salesdf.head()

    qA3eae.jpg

    qA3eae.jpg

    数据维度(行列)

    shape可以查看该表中的行数和列数

    nQzyU3.jpg

    nQzyU3.jpg

    查看数据格式

    Dtypes是一个查看数据格式的函数,可以一次性查看数据表中所有数据的格式,也可以指定一列来单独查看。

    vauEJ3.jpg

    vauEJ3.jpg

    指定一列查看:

    BNrEJn.jpg

    BNrEJn.jpg

    查看统计信息

    使用Describe函数可以查看统计信息计数,平均值,标准差,最小值,四分位数,中位数,最大值。

    mmUfqa.jpg

    mmUfqa.jpg

    查看列名称

    使用columns函数查看列名称

    b6neaa.jpg

    b6neaa.jpg

    数据清洗部分

    删除缺失值

    zUVfAj.jpg

    zUVfAj.jpg

    Python中处理空值的方法比较灵活,可以使用 Dropna函数用来删除数据表中包含空值的数据,也可以使用fillna函数对空值进行填充。

    JZjEri.jpg

    JZjEri.jpg

    使用fillna函数把空值用0填充

    BveYNj.jpg

    BveYNj.jpg

    更改列名称

    Rename是更改列名称的函数,我们将来数据表中的应收金额列更改为应收金额(元)

    salesdf=salesdf.rename(columns={"应收金额’:’应收金额(元)’})

    n6FJBf.jpg

    n6FJBf.jpg

    删除重复值

    jEBFRr.jpg

    jEBFRr.jpg

    使用drop_duplicates()删除重复值

    fQzaEn.jpg

    fQzaEn.jpg

    分列

    zum63u.jpg

    zum63u.jpg

    sales_split=pd.DataFrame((x.split(" ") for x in salesdf["购药时间’]),

    index=salesdf.index,

    columns=["日期’,’周几’])

    jAbiQz.jpg

    jAbiQz.jpg

    需要注意的是缺失值会被当作浮点型 而split函数需要字符串类型,要先删除缺失值

    Ubiuim.jpg

    Ubiuim.jpg

    将完成分列后的数据表与原数据表进行匹配

    salesdf=pd.merge(salesdf,sales_split,right_index=True, left_index=True)

    e22Mju.jpg

    e22Mju.jpg

    删除列

    nmqmmm.jpg

    nmqmmm.jpg

    使用drop删除列,有以下等价的语法

    DF= DF.drop("column_name’, 1);

    DF.drop("column_name’,axis=1, inplace=True)

    uauEJn.jpg

    uauEJn.jpg

    使用drop删除了购药时间这一列。

    修改日期格式

    使用to_datetime函数进行修改

    salesdf.loc[:,’日期’]=pd.to_datetime(salesdf.loc[:,’日期’],format=’%Y-%m-%d’,errors=’coerce’)

    baAnQz.jpg

    baAnQz.jpg

    排序

    BFRVvy.jpg

    BFRVvy.jpg

    使用sort_values进行排序

    By:按哪一列排序

    ascending=True降序

    ascending=Falses升序

    salesdf=salesdf.sort_values(by=’日期’,ascending=True)

    rYV3im.jpg

    rYV3im.jpg

    重命名行名

    使用reset_index重命名行名

    2euYBr.jpg

    2euYBr.jpg

    删除异常值

    E7zAza.jpg

    E7zAza.jpg

    由于销量,应收金额和实收金额不为负,所以应该清除异常值

    2Ibi2y.jpg

    2Ibi2y.jpg

    使用查询条件删除了异常值

    数据建模部分

    数据筛选

    #使用“与”条件进行筛选

    salesdf.loc[(salesdf["列名’]==’数值’)&(salesdf["列名’]==’数值’),["列名1′,’列名2′,’列名3′,’列名4’]]

    aMBnMj.jpg

    aMBnMj.jpg

    #使用“或”条件进行筛选

    salesdf.loc[(salesdf["列名’]==’数值’)|(salesdf["列名’]==’数值’),["列名1′,’列名2′,’列名3′,’列名4’]]

    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。

    YZRf2y.jpg

    YZRf2y.jpg

    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。

    vyuyIn.jpg

    vyuyIn.jpg

    数据汇总

    Excel的数据目录下提供了“分类汇总”功能,可以按指定的字段和汇总方式对数据表进行汇总。Python中通过Groupby函数完成相应的操作,并可以支持多级分类汇总。

    reaiei.jpg

    reaiei.jpg

    nieAVn.jpg

    nieAVn.jpg

    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。

    RFBrE3.jpg

    RFBrE3.jpg

    可以通过关联的列进行查询,通过groupby函数计算出了商品的销售次数。

    计算几个KPI指标:

    1.月均消费次数

    删除重复数据计算消费总次数

    ememAj.jpg

    ememAj.jpg

    设定好起始日期和结束日期

    y2yQRj.jpg

    y2yQRj.jpg

    计算天数,月份数。然后用所有消费次数除以月份数可以得到月均消费次数。

    26VbEn.jpg

    26VbEn.jpg

    2.客单价

    使用总消费金额除以消费次数得到客单价

    vMR3Mj.jpg

    vMR3Mj.jpg

    3.月均消费金额

    使用总消费金额除以消费次数得到月均消费金额

    EzIBrq.jpg

    EzIBrq.jpg

    展开全文
  • 数据分析方面,比起pythonexcel的局限性在哪Python是一门编程,有很多它写出来具,也有对excel操作的Python工具包。excel只是个表格工具,虽然里面也可以编程。简单来说excel能做到的Python都能做到,但是...

    在数据分析方面,比起python,excel的局限性在哪

    Python是一门编程,有很多用它写出来具,也有对excel操作的Python工具包。

    excel只是个表格工具,虽然里面也可以编程。

    简单来说excel能做到的Python都能做到,但是excel不能很强大的编程,不能进行丰富逻辑处理,复杂的运算分析

    如何将python输出的内容输入到表格Excel中

    好多第三方库支持都比较好,openpyxl对07以上excel比较好,以下excel版本也支持,望采纳

    如何用python3处理好多个excel数据

    读取mysql数据,填写数excel

    from

    pyexcel_xls

    import

    save_datafrom

    pyexcel_xls

    import

    get_datafrom

    collections

    import

    ordereddictimport

    mysql.connector

    #和数建立连接cnx

    =mysql.connector.connect(user='root',

    password='',

    host='127.0.0.1',

    database='test')#查询语句sql

    =

    "select

    my_name,my_value

    from

    tbl_members

    "#执行查询cursor.execute(sql)#查询结果result

    =

    cursor.fetchall()

    cursor.close()cnx.close()

    #打开预定义表头xls_header=

    get_data("d:/xh.xls")

    #获得表头数据xh

    =

    xls_header.pop("sheet1")

    #拼接整表数据xd

    =

    ordereddict()xd.update({"sheet

    1":xh result})

    #保存到另一个文件中save_data("d:/xd.xls",xd

    在数据分析方面,比起python,excel的局限性在哪

    EXCEL的局限性呀,首先是容点电脑基础的人一看就会,没有基础的很快就能学会;其次呢,EXCEL数据交便,可以从文本、数据库、网页或者其它EXCEL自动获取数据,无需写一句代码;第三是EXCEL点点鼠标就能生成许多图标,排序、汇总、透视都非常容易;最后,如果会点VBA语言,EXCEL就无敌了,三五行语句可以完成许多自动化的文件扫描、数据抓取等复杂任务。

    在数据分析方面,比起python,excel的局限性在哪

    下面的文章有详细论述,你参考:

    网页链接

    不过呢,我认为PYTHON太复杂,适合做的分析模版,家对收到的数据以特殊的形式给读者展现规律;而EXCEL可以快速的分析数据,即在不知道规律的情况下通过点点鼠标找出规律。

    在数据分析方面,比起python,excel的局限性在哪

    差别如下:

    1、Python是一门编言,有很多用它写出来的,也有直接对excel操作的Python工具包。

    2、excel只是个表格处理工具,虽然里面也可以编程。

    3、简单来说excel能做到的Python都能做到,但是excel不能很强大的编程,不能进行丰富逻辑处理,复杂的运算分析

    python怎么分析excel中的数据

    下面就的讲述整个实现过程。

    1、在计算机上安装python(x,y)2.6.6版本。这是确器上的python开发环境,具体的安装过程在此就不在赘述,网上相关资料比较多

    2、建议安装一个Notepad ,这样写代码比较方便

    3、在Notepad 中进行相关的设置,因为python对行缩进符比较敏感,用Tab键和space键混合使用,会导致编译错误,程序无法执行;但是一般tab键和Space键所敲出来的空格是隐藏的,为了编辑方便,就需要在Notepad中将空格符显示出来。设置如下图所示。

    4、安装相应的开发包,这里采用的开发包为xlrd-0.9.3包(读取excel)和xlwt-0.7.5包(存写excel,只支持.xls格式,不支持.xlsx格式,如果需要.xlsx格式,请下载更高版本的安装包)。具体的安装过程在此不再赘述,请详见点击打开链接http://blog.csdn.net/dxh0907070012/article/details/23967247。

    5、为所要处理的excel文件单独建立一个文件夹。

    6、具体代码如下:

    [python] view plain copy print?

    #coding=utf-8

    import xlrd

    import xlwt

    import string

    import numpy as np

    import os

    class OperExcel():

    def rExcel(self,inEfile,strfilename,outfile):

    rfile=xlrd.open_workbook(inEfile)

    table=rfile.sheet_by_index(0)

    nrows=table.nrows-1

    ncols=table.ncols

    stationsheet=xlrd.open_workbook('D://rainfall_deal//stationposition.xlsx')

    stationtable=stationsheet.sheet_by_index(0)

    nstnrows=stationtable.nrows-1

    wb=xlwt.Workbook()

    ws=wb.add_sheet('year_month')

    month=['1','2','3','4','5','6','7','8','9','10','11','12']

    for stationindex in range(1,nstnrows):

    eachday_rf=[]

    yearsum=0

    monthday_rf=[]

    eachmon_rf=0

    stncode=stationtable.cell(stationindex,0).value

    #计算每个站点的年降水总量

    for r in range(1,nrows):

    if(table.cell(r,0).value==stncode):

    展开全文
  • ExcelPython,作为数据分析的主流工具,在从效率提升到数据商业化的整个过程中,都起到了重要作用。不管是在Excel中通过鼠标点选实现,亦或是利用Python通过代码实现,数据分析中的很多基础功能都是相通的。在数据...

    e17622846574f7e6845c3c67f5cd43eccd659582.gif

    Excel和Python,作为数据分析的主流工具,在从效率提升到数据商业化的整个过程中,都起到了重要作用。不管是在Excel中通过鼠标点选实现,亦或是利用Python通过代码实现,数据分析中的很多基础功能都是相通的。

    在数据量级大跃进的今天,对于从业者来说,熟练掌握用于数据处理的编程语言非常必要,通晓两者可以更增竞争力。而借助大家最为熟悉的Excel操作,对照学习相应的Python实现,可以帮助更快理解,轻松掌握。

    都说Excel关键要掌握4个核心函数(vlookup,if,sum,sumif)和1个核心功能(数据透视表),本期我们就聚焦在广受喜欢的数据透视表和VLOOKUP的操作。

    数据透视表

    使用数据透视表,可以快速汇总数据,进而进行进一步的分析。

    例如,对于一张简单的家庭开支列表,可以基于该列表制作数据透视表51470ed321de4a07212805e305f060b7390a9bc8.png

    a1a55d0628d89c0ac62524c5431570b0b18ebf09.png

    1.Excel实现

    使用数据透视表,在“插入”——“数据透视表”,选中需要创建数据透视表的数据。

    我们可以看到如下界面:上半部分为数据透视表中的所有字段,下半部分为数据透视表的选项,把上方的字段拖入下方对应框中即可完成数据透视表。

    这里使用2018年国内上市公司管理层报酬统计数据为例,以“公司行业”为行标签,“公司组织形式”为列标签,对“年度报酬总额(万元)”数据计算平均数,得到如下分类汇总和聚合计算。6881b8ea46fca92a0d3f8340c402a71ecff62650.png

    75141506c6f61d31721cd7ee7aa1946623814e0b.png

    f3aca61850d8926264b557acaf7fd6408c8ca13d.png

    2.Python实现

    Python中数据透视表的实现原理与Excel类同,使用pandas库中的pivot_table()方法。8487413e130244c3c074c76f12a384bff09ce476.pngdata:要进行数据透视表操作的DataFrame对象

    values:要进行值计算的列,对应Excel操作中“数值”框

    index:行索引,对应Excel操作中“行标签”框

    columns:列名,对应Excel操作中“列标签”框

    aggfunc:设定对values要进行的计算类型

    fill_value:对空值的填充值

    margins:是否显示合计列

    dropna:是否删除缺失值

    margins_name:设置合计列的列名c33d91b47ed46ea01f18d4b9d93b4e7d170ee4c9.png

    2261e7cc3886200bff5cdfe5cc4f6a9a56e8bd95.png

    dbb1ad8ef86c28f175196364407c679922d0fa9a.png

    fdbd84cd5d739f7cde45a90576513e0d7916a418.jpg

    6eea143872bf0cddb3f9fd88e93c22630e1af5c8.png

    当然,我们可以进行更多灵活操作,如对各类别的“前三名高管报酬总额”求中位数,对“年度报酬总额”求均值,这种对不同的值进行不同类型计算,可以通过aggfunc传入字典(键为列名,值为计算方式)来设定。4fa2e75ea13c9bc62f72504e288e6f30c8556eaa.png

    d00dcdf9b5a6694b8f2ef9dbd278efcb8ef9a3cc.png

    VLOOKUP

    实际工作中,我们经常会需要用到查找功能,VLOOKUP很多时候是Excel用户学习的第一个查找函数,也是Excel最常使用的三个函数之一,被称为Excel中的效率之王。它应用非常广泛,比如可以将多表匹配、合并,达到对比、查漏等效果,甚至前段时间新诞生的xlookup也借着它的大名火了一把。

    例如,在如下信息表中,我们可以查找到与ID号102完全匹配的姓氏,进行返回。0a26715e7544bc51ddee041916c0bd1e2d23864d.png

    1.Excel实现

    VLOOKUP这个名称中,v为vertical竖直的意思,lookup即为查找,它实现的是纵向按列查找,返回该列所需查询序列所对应的值。

    函数表示:d996b7e8b77b9d1255a9e79468195dbb47e34af4.png

    即:VLOOKUP(你想要查找的内容, 要查找的范围, 包含要返回的值的区域中的列号, 返回近似或精确匹配)

    这里我们继续使用2018年国内上市公司管理层报酬统计数据,需要查找指定的10家上市公司名称、年度报酬总额、前三名董事报酬总额,及前三名高管报酬总额。在Excel中,就可使用VLOOKUP函数实现,如L2的名称数据,是以J2为要进行查找的关键字,查找范围为A2:H3594,返回列数为2(表示查找范围的第2列,即“名称”),匹配模式为FALSE(表示精确匹配)而得到。ced4fbaf4def8efecc5735204b2d11eec2df88cc.jpg

    2.Python实现

    Python中有多种方法可以实现该操作,推荐使用pandas库中的merge()函数,它是全功能、高性能的连接操作,在习惯上非常类似于SQL等关系数据库。36b005559dc1ce0dba887211dbcd151e6161422c.pngleft:参与合并的左侧DataFrame

    right:参与合并的右侧DataFrame

    how:合并方式,为inner,outer,left,right其中之一

    on:用于连接的列名,必须存在于左右两侧数据

    left_on:左侧DataFrame中用作连接键的列

    right_on:右侧DataFrame中用作连接键的列

    left_index:将左侧的行索引用作其连接键

    right_index:将右侧的行索引用作其连接键

    sort:根据连接键对合并后的数据进行排序425d6cbbba4e35f9701f5592c6bb1e0dfe6e806c.png

    3fbd1aca5cd5c8b822f99b74ca26efb17d5b55ad.png

    f64732abccddf9f84da6e8e7955552ae847b7904.png

    76281d4e3b1fb07cb18327450b4d7fec268c6bde.png

    通过how进行设置的合并方法,主要取决于merge操作的目的:

    若只需要查找到指定的10家上市公司数据,则可采用左连接,以放在左侧的avgs数据为基准;

    若主要想对右侧salary数据中的3593家上市公司管理层报酬数据进行分析,仅是将已有的员工人均薪酬数据加入,则可考虑使用右连接;

    若想保留同时出现在左右两侧的数据,则可考虑使用内连接,取键的交集;

    若想将左右两侧数据都进行保留,则可考虑使用外连接,取键的并集。688fcbc3efea14f8d7d0d8a4a9f4597dede4f707.png

    18e14619191abc80462e1aeb6fc1528675fa8ab0.jpg

    除了使用on指定连接键,我们也可将代码设置为index,通过index作为连接键进行匹配

    4eb30729132d4c74573e89f1459c77fded7da722.png

    2906f0c1d6328b71cc03aea4ab99d1b93dcc2c73.png

    0b1fc7523e1d8e9e188a7c4083daafb881911189.png

    f19045cb3cce982bd3b23d85acf20d6a6a764a92.png

    8eb516022b24cb76af6012408050b54a6ed951f7.png

    c95d034743a38d7fb63a78e871fefde98a4abb2d.jpg

    展开全文
  • 利用Python处理和分析Excel表中数据实战 原创 2017年06月28日 15:09:32 标签: python /数据分析 /excel /新浪微博 作为一个学习用Python进行数据分析的新手来说,通过本文来记录分享一些我在用Python中的pandas、...
  • 我常常会听到这样的问题,“金融分析中,为什么我要学习像python这样的编程语言,甚至使用它超过excel呢?”在金融领域,python成为炙手可热的分析工具,这几乎已经成为共识。面对excelpython,谁更适合数据分析,...
  • 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...
  • 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...
  • Python处理Excel文件主要是第三方模块库xlrd、xlwt、pyexcel-xls、xluntils和pyExcelerator,以及win32com和openpyxl模块,此外Pandas中也带有可以读取Excel文件的模块(read_excel)。基于扩展知识的目的,我们使用xl...
  • 用python轻松操作excel表格 项目场景: 提示:通常我们对excel表格进行删除多个项的时候,如果一条一条的删除就会花费很多时间,并且也不知道要删除的部分是否删除完,进行查询,分类的时候用python语言几条语句就能...
  • 首先学习Python的基础知识,然后使用Python来控制Excel,做数据处理。 Excel使用者、Python爱好者、数据处理人员、办公人员等 第1章 python基础 1.1 什么是python? 1.2 为什么要学习用Python处理Excel表格...
  • 利用Python处理和分析Excel表中数据实战 原创 2017年06月28日 15:09:32 标签: python /数据分析 /excel /新浪微博 作为一个学习用Python进行数据分析的新手来说,通过本文来记录分享一些我在用Python中的pandas、...
  • Python实现Excel数据分析基础 Excel文件(扩展名为.xls/.xlsx),与CSV文件至少有两个重要的不同点。 一,Excel文件不是纯文本文件,无法通过文本编辑器查看数据。 二,Excel工作簿被设计成多个工作表。 因此,我们...
  • 【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...
  • 作为一个学习用Python进行数据分析的新手来说,通过本文来记录分享一些我在用Python中的pandas、numpy来分析Excel表中数据数据清洗和整理的工作,目的是熟悉numpy以及pandas基础操作,所有操作利用Excel均可以方便...
  • 在我们工作中往往需要处理大量的数据,因此Excel在我们工作中是一个必不可少的工具,不过,近期很多人开始用Python处理数据,那么,大家为什么开始用Python了呢?Python辅助处理excel的有什么优点呢?首先,我们先...
  • Python处理Excel数据-pandas篇

    千次阅读 多人点赞 2020-12-15 20:15:41
    Python处理Excel数据-pandas篇 非常适用于大量数据的拼接、清洗、筛选及分析 在计算机编程中,pandas是Python编程语言的用于数据操纵和分析的软件库。特别是,它提供操纵数值表格和时间序列的数据结构和运算操作。...
  • 【曾贤志】从零基础开始用Python处理Excel数据
  • 从零基础开始讲解Python语言的使用。 将学习的Python知识与Excel相结合做应用。 最后实现PythonExcel数据处理的自动化。 即学习了Excel数据处理的技能,更学会了一门热门编程语言。
  • 2020互联网数据分析师教程视频 统计学分析与数据实战 r语言数据分析实战 python数据分析实战 excel自动化报表分析实战 excel数据分析处理实战
  • 通常在大型企业里面销售是...大型企业销售部门组织架构但是不管是什么职能,如果说要求懂python的话,大多不是直接面向客户的职能(我们传统意义上的销售),而是一些偏向于分析的职能,这些职能大多偏向于市场、销...
  • 本课程讲解如何使用python语言和openpyxl处理Excel的各种场景,读者可以使用Windows平台或macOS... 本课程的主要内容如下: 基础场景 表格基本格式设置 核心函数使用 复制粘贴的妙 数据分析 Excel图表 其他高级内容
  • 使用AHP(层次分析法)时,需要计算特征值,使用pyhon读取Excel数据处理 此程序使用pythonexcel数据计算特征值和特征向量; 使用了numpy、xlrd、xlwt库;
  • 介绍一个用PythonExcel表格数据进行去重、分类、异常处理及分析的实例。
  • Excel实现Python数据分析项目数据和源码-用户价值
  • Excel实现Python数据分析项目数据和源码-用户画像
  • Excel实现Python数据分析项目数据和源码-同期群
  • Excel实现Python数据分析项目数据和源码-产品优势
  • Excel数据进行读取并重新整理至新Excel,并绘制Excel中数据为图表
  • 使用Python处理Excel数据并生成词云

    千次阅读 2020-12-17 14:09:31
    文章目录前言一、pandas是什么?二、使用步骤1.引入库 前言 一、pandas是什么? 二、使用步骤 1.引入库

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 43,241
精华内容 17,296
关键字:

如何用python分析excel数据

python 订阅