python对excel操作大全详解（获取某一列，某一行的值，对某一列信息筛选）
 
在此使用的包是pandas，因为其可以同时处理xls和xlsx两种excel文件。
 
使用pd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')
 
处理的excel信息如下：
 

 
 代码如下：
 
import pandas as pd
path = 'G:\动力系\新建文件夹\什么.xls'
data = pd.read_excel(path,None)#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，此时不用使用DataFram，会报错
print(data.keys())#查看sheet的名字
for sh_name in data.keys():
    print('sheet_name的名字是：',sh_name)
    sh_data = pd.DataFrame(pd.read_excel(path,sh_name))#获得每一个sheet中的内容
    print(sh_data)
    

 
结果：
 
 
获得某一行，某一列的值
 
pd对excel的相关基本操作看下面的链接
 
https://blog.csdn.net/weixin_43245453/article/details/90056884
 
数据使用的是第一个sheet
 
import pandas as pd
path = 'G:\动力系\新建文件夹\什么.xls'
data = pd.DataFrame(pd.read_excel(path))#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，此时不用使用DataFram，会报错
print(data.index)#获取行的索引名称
print(data.columns)#获取列的索引名称
print(data['姓名'])#获取列名为姓名这一列的内容
print(data.loc[0])#获取行名为0这一行的内容
 
结果：
 
 
对某一列的信息进行筛选
 
筛选使用的是data.loc[列名称 = 提取的信息]
 
假如我要提取院系下面的动力，代码如下：
 
import pandas as pd
path = 'G:\动力系\新建文件夹\什么.xls'
data = pd.DataFrame(pd.read_excel(path))#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，此时不用使用DataFram，会报错
result = data.loc[data['院系'] == '动力']#获取列明为院系，内容为动力的内容
print(result)
 
结果如下：
 

1、删除一行、一列
 
>>> df
   A  B  C  D
0  1  3  3  4
1  5  6  7  8
2  1  1  1  1
3  2  3  2  3

#删除A列，不改变原来的data数据，返回删除后的新表data_2。axis为1表示删除列，0表示删除行。inplace为True表示直接对原表修改。

>>> data_2 = df.drop('A',axis=1,inplace=False)    #删除列
>>> data_2
   B  C  D
0  3  3  4
1  6  7  8
2  1  1  1
3  3  2  3
>>> df.drop(0,axis=0,inplace=False)               #删除行
   A  B  C  D
1  5  6  7  8
2  1  1  1  1
3  2  3  2  3
>>>
 
2、指定位置增加行列
 
>>> df
   A  B  C   D
0  1  3  3   4
1  5  6  7   8
2  1  1  1   1
3  2  3  2   3
4  7  8  9  10
>>> df.insert(0,'E',[11,12,13,14,15])     #插入一列
>>> df
    E  A  B  C   D
0  11  1  3  3   4
1  12  5  6  7   8
2  13  1  1  1   1
3  14  2  3  2   3
4  15  7  8  9  10
>>> df
    E  A  B  C   D
0  11  1  3  3   4
1  12  5  6  7   8
2  13  1  1  1   1
3  14  2  3  2   3
4  15  7  8  9  10

df.insert(1,'调换',df.pop('A'))  #改变某一列的位置。如：先删除A列，然后在原表data中第1列插入被删掉的列。

>>> df
    E  调换  B  C   D
0  11   1  3  3   4
1  12   5  6  7   8
2  13   1  1  1   1
3  14   2  3  2   3
4  15   7  8  9  10
>>> df                   字典方式添加一行，append，忽略索引
   a  b  c  d
0  1  3  3  4
1  5  6  7  8
>>>
>>>
>>> row={'a':9,'b':10,'c':11,'d':12}
>>> df.append(row,ignore_index=True)
   a   b   c   d
0  1   3   3   4
1  5   6   7   8
2  9  10  11  12
>>>                      用loc指定位置添加一行
>>> df.loc[2]=[9,10,11,12]
>>> df
   a   b   c   d
0  1   3   3   4
1  5   6   7   8
2  9  10  11  12
>>>
 
2-1、 指定位置插入一行，索引非数字
 
>>> df = pd.DataFrame({'A': [0, 1, 2], 'B': [3, 4, 5]},index=['c','d','f'])
>>> df
   A  B
c  0  3
d  1  4
f  2  5
>>> df.loc['c']=['test','test']      ###指定位置插入一行
>>> df
      A     B
c  test  test
d     1     4
f     2     5


##########如果不想替换，可以参考如下方式
pd.DataFrame(np.insert(df.values, 0, values=[10, 10], axis=0))

还有其他方式，比如把df拆分成两个df，用append，然后在合并
 
3、按特定顺序，插入一行，保证索引按序排列
 
>>> df
    E  调换  B  C   D
0  11   1  3  3   4
1  12   5  6  7   8
2  13   1  1  1   1
3  14   2  3  2   3
4  15   7  8  9  10
>>>
>>> df.loc[5]=[9,9,9,9,9]                     #插入一行，按E列的顺序，升序
>>> df
    E  调换  B  C   D
0  11   1  3  3   4
1  12   5  6  7   8
2  13   1  1  1   1
3  14   2  3  2   3
4  15   7  8  9  10
5   9   9  9  9   9
>>> df.sort_values(by='E')                    #按E列排序
    E  调换  B  C   D
5   9   9  9  9   9
0  11   1  3  3   4
1  12   5  6  7   8
2  13   1  1  1   1
3  14   2  3  2   3
4  15   7  8  9  10
>>> df1=df.sort_values(by='E')
>>> df1.reset_index()                        #重置索引
   index   E  调换  B  C   D
0      5   9   9  9  9   9
1      0  11   1  3  3   4
2      1  12   5  6  7   8
3      2  13   1  1  1   1
4      3  14   2  3  2   3
5      4  15   7  8  9  10
>>> df2=df1.reset_index()
>>> del df2['index']
>>> df2                                      #删除掉原来的索引列index
    E  调换  B  C   D
0   9   9  9  9   9
1  11   1  3  3   4
2  12   5  6  7   8
3  13   1  1  1   1
4  14   2  3  2   3
5  15   7  8  9  10
>>>                                         
 
参考文献：
 
pandas学习：对series和dataframe进行排序： https://blog.csdn.net/u014662865/article/details/59058039
 
Pandas set_index&reset_index ： https://blog.csdn.net/claroja/article/details/70911963

摘要
 
在进行数据分析时，我们经常需要把DataFrame的一列拆成多列或者根据某列把一行拆成多行，这篇文章主要讲解这两个目标的实现。码字不易，喜欢请点赞！！！
 
读取数据
 
将City列转成多列（以‘|’为分隔符）
 这里使用匿名函数lambda来讲City列拆成两列。
 
 3.将DataFrame一行拆成多行（以‘|’为分隔符）
 方法一：在刚刚得到的DataFrame基础上操作,如下图所以，可以明显看到我们按照City列将DataFrame拆成了多行。主要是先将DataFrame拆成多列，然后拆成多个DataFrame再使用concat组合。但是这种方法碰到City列切割不均匀的时候可能会麻烦一点，因此，这个时候你可以使用万能方法二。
 
 
方法二：这个方法的主要思想是，首先将DataFrame中需要拆分的列进行拆分，再使用stack（）进行轴变换，然后通过index来join即可，如下所示。
 首先，将刚刚的df还原成原始形式：
 
 接下来取出其City列，并切分成多列之后轴转换，之后重新设置索引，并且重命名为Company
 
 最后删除df里面的Country列，并将DataFrame-df1 使用join到df里面得到最后的结果。
 

用法：DataFrame.drop(labels=None,axis=0, index=None, columns=None, inplace=False)
 
参数说明：
 labels 就是要删除的行列的名字，用列表给定
 axis 默认为0，指删除行，因此删除columns时要指定axis=1；
 index 直接指定要删除的行
 columns 直接指定要删除的列
 inplace=False，默认该删除操作不改变原数据，而是返回一个执行删除操作后的新dataframe；
 inplace=True，则会直接在原数据上进行删除操作，删除后无法返回。
 
因此，删除行列有两种方式：
 1）labels=None,axis=0 的组合
 2）index或columns直接指定要删除的行或列
 
例子：
 
>>>df = pd.DataFrame(np.arange(12).reshape(3,4), columns=['A', 'B', 'C', 'D'])

>>>df

   A   B   C   D

0  0   1   2   3

1  4   5   6   7

2  8   9  10  11

#Drop columns,两种方法等价

>>>df.drop(['B', 'C'], axis=1)

   A   D

0  0   3

1  4   7

2  8  11

>>>df.drop(columns=['B', 'C'])

   A   D

0  0   3

1  4   7

2  8  11

# 第一种方法下删除column一定要指定axis=1,否则会报错
>>> df.drop(['B', 'C'])

ValueError: labels ['B' 'C'] not contained in axis

#Drop rows
>>>df.drop([0, 1])

   A  B   C   D

2  8  9  10  11

>>> df.drop(index=[0, 1])

   A  B   C   D
   
2  8  9  10  11
 
Life is short, You need Python~