pandas处理excel的常用方法技巧（上）

1. 导库

import pandas as pd

2. 读取excel文件

这里要注意的就是第二个参数header如果不设置,pandas会默认把excel的第一行当作columns，header=None的时候pandas会为我们新生成从0开始的数字做columns， 我们可以通过header=1把第二行当作columns;第三个参数index_col是表示用哪一列做index的，如果不设置的话，pandas会默认生成一串从0开始的数字当作index，我们可以设置指定列来当作index，例如index_col=“id”.

如果出现数据没在excel表格的左上角，可以使用skiprows参数来略过行，也可以使用usecols="F:H"来决定从第几列开始读取

可以使用sheet_name=参数决定读取第几个sheet

df = pd.read_excel('d:/用户信息.xlsx', header=1， index_col='id')

df = pd.read_excee('d:/books.xlsx', skiprows=3, usecols="G:L")

3. 读取一个对象的头和尾

我们可以通过head()方法和tail()方法来读取头和尾，不设置参数默认读5行，可以设置int类型参数来决定我们读多少行。

df.head()  # 读前五行
df.head(7)  # 读前七行

df.tail()  # 读后五行
df.tail(3)  # 读后三行

4. 为对象设置columns

通过修改对象的columns属性就相当于重新为对象设置了columns

df.columns = ['订单id', '用户id', '订单状态']

5. 为对象设置index

我们可以通过set_index()方法设置index， 如我们可以把订单id这一列设置为index，但是要注意的是设置之后，订单id将不再出现在df.columns属性中了，会变成index的name;第二个参数inplace就地修改，可以设置为True和False.

df.set_index('订单id', inplace=True)

5. 写入文件保存

可以通过to_excel()方法保存到本地.

df.to_excel('d:/user_id.xlsx')

6. pandas中表格的行和列

在一个二维表格中，一行或者一列我们都可以用Series对象来表示。一个Series是当作行还是当作列，完全是由我们加入的方法决定的。

7. Series简介和Series属性

Series的结构和字典的结构很相似，不过在Series中不叫keys了，叫index;

Series的属性有index, name, value, data(快要移除了)， 还有其他不常用属性可以到pycharm中一个点全出来了.

8. Series创建

创建一个空的Series：

s1 = pd.Series()

从字典生成，字典的key是这里的index

d = {'x':100, 'y':200, 'z':300}
s2 = pd.Series(d)

从列表生成，这时候需要两个列表， 一个用作value，一个用作index

lst1 = [100, 200, 300]  # 当作value
lst2 = ['a', 'b', 'c']  # 当作index
s3 = pd.Series(lst1, index=lst2)

9. 用Series来构造DataFrame

相当于我们用一行一行或者一列一列元素，拼出一个excel表格；

首先看一下用三个Series对象构造出一个Excel表格的三列，可以用Series的name属性当作列名, index当作每一行的行号；如果index不相同，取index的并集，没有数值的地方给个NaN

s1 = pd.Series([1, 2, 3], index=[1, 2, 3], name='A')
s1 = pd.Series([10, 20, 30], index=[1, 2, 3], name='B')
s1 = pd.Series([100, 200 300], index=[1, 2, 3], name='C')

df = pd.DataFrame({s1.name:s1, s2.name:s2, s3.name:s3})  # 用的最多的方式， 一列一列的

如果不以字典方式构造excel表格的话，直接只用Series序列构造，会出现以Series的name当作行号，一行一行的生成：

df = pd.DataFrame(s1, s2, s3) # 一行一行的

10. 修改一个值或者修改n个值(自动填充)

先找到Series再改Series中的元素：

import pandas as pd
from datetime import date, timedelta
def add_month():
    yd = md // 12
    m = d.month + md % 12
    if m != 12
    yd += m // 12
    m = m % 12
    return date(d.year+yd, m, d.day)
books = pd.read_excel("d:/book.xlsx", skiprows=3, usecols="C:F", index_col=None,
                        dtype={'name':str, 'id':str, 'date':str})
for i in books.index:
    if type(books['name'].at[i]) != int:
        books['name'].at[i]
        books['id'] = 'yes' if i & 1 else 'No'
        books['date'].at[i] = add_month(start, i)
books.set_index("id")

第二种方法是直接在DataFrame中改对应的单元格

for i in books.index:
    books.at[i, 'date'] = 12

11. 函数填充

需求，在excel表格中，我们可以根据前面几列的数据按照某种函数进行计算，再添加到指定表格中，这里用程序完成：

books = pd.read_excel('d:/bookss.xlsx', index_col='ID')
books["Price"] = books["ListPrice"] * books["Discount"]
print(books)

第二种情况就是DataFrame中的每一列Series有一个apply(function)方法,给function传入一个函数可以对这一Series进行函数处理：

books = pd.read_excel('d:/bookss.xlsx', index_col='ID')
books["ListPrice"] = books["ListPrice"].apply(lambda x: x+2)

12. 给数据排序

使用DataFrame的sort_values()方法进行排序，按照by参数排序， inplace就地， ascending=False是降序；

如果我们想要先按照某列排序，再按某列排序，by后面可以跟一个列表,ascending也可以给个列表，两种顺序；

products = pd.read_excel('d:/List.xlsx, index_col='ID')
products.sort_values(by='Price', inplace=True, ascending=False)

products.sort_values(by=['Worthy', 'Price'], inplace=True, ascending=[True, False])

13. 数据筛选、过滤

很多时候，我们想要展现的数据，是全体的数据，我们只需要展示其中的一部分

使用loc属性

loc属性介绍

# DataFrame对象有loc属性，loc属性可以通过bool值返回从DataFrame对象中筛选出来的DataFrame对象
# 先创建一个DataFrame对象
lst1 = pd.Series(["tom", "jerry", "jacky", "wayne", "justin"])
lst2 = pd.Series([35, 24, 16, 45, 26])
lst3 = pd.Series([98, 95, 86, 73, 99])

students = pd.DataFrame({"name":lst1, "age":lst2, "grade":lst3})
print(students)
     name  age  grade
0     tom   35     98
1   jerry   24     95
2   jacky   16     86
3   wayne   45     73
4  justin   26     99

# 定义两个函数来判断成绩是否是优秀，年龄是否年轻， 返回的都是bool值
def young_age(age):
    return age < 30

def good_grade(grade):
    return grade > 85

# 通过DataFrame对象的apply方法，对students的元素进行判断取bool值，为了不污染原数据，可以使用拷贝
cp = students.copy()
cp["grade"] = cp["grade"].apply(good_grade)
cp["age"] = cp["age"].apply(young_age)
print(cp)
     name    age  grade
0     tom  False   True
1   jerry   True   True
2   jacky   True   True
3   wayne  False  False
4  justin   True   True
# 这时候我们可以清晰的看到age和grade都已经被判断为了是否是young，是否是good

# 有了这一步，下一步我们就可以用bool在loc属性中进行筛选元素了
students = students.loc[students["age"].apply(young_age)].loc[students["grade"].apply(good_grade)]]
这里就清晰的看出来我们两次使用loc属性对数据进行清洗，然后重新赋值给了students变量
print(students)
     name  age  grade
1   jerry   24     95
2   jacky   16     86
4  justin   26     99
# 这里就得到了清洗后的数据，即我们要展示的数据，既年轻，成绩又优秀的同学

下面这个同理， 不过students[“age”]和students[“grade”]还可以换成students.age和students.grade来访问对应的列Series：

import pandas as pd

def age_18_to_30(age):
    return 18 <= age < 30   # 判断一个年龄是否是18到30之间

def level_a(grade):
    return 85 <= grade <= 100  # 判断一个成绩是否是优秀

students = pd.read_excel("d:/students.xlsx", index_col="ID")

students = students.loc[ students["Age"].apply(age_to_30) ].loc[ students["score"].apply(level_a) ]