python?pandas處理excel表格數(shù)據(jù)的常用方法總結(jié)
前言
最近助教改作業(yè)導(dǎo)出的成績(jī)表格跟老師給的名單順序不一致，腦殼一亮就用pandas寫了個(gè)腳本自動(dòng)吧原始導(dǎo)出的成績(jī)謄寫到老師給的名單中了哈哈哈，這里就記錄下用到的pandas處理excel的常用方式。（注意：只適用于.xlsx類型的文件）
1、讀取xlsx表格：pd.read_excel()
原始內(nèi)容如下：
a）讀取第n個(gè)Sheet（子表，在左下方可以查看或增刪子表）的數(shù)據(jù)
import pandas as pd # 每次都需要修改的路徑 path = "test.xlsx" # sheet_name默認(rèn)為0，即讀取第一個(gè)sheet的數(shù)據(jù) sheet = pd.read_excel(path, sheet_name=0) print(sheet) """ Unnamed: 0 name1 name2 name3 0 row1 1 2.0 3 1 row2 4 NaN 6 2 row3 7 8.0 9 """
可以注意到，原始表格左上角沒(méi)有填入內(nèi)容，讀取的結(jié)果是“Unnamed: 0” ，這是由于read_excel函數(shù)會(huì)默認(rèn)把表格的第一行為列索引名。另外，對(duì)于行索引名來(lái)說(shuō)，默認(rèn)從第二行開始編號(hào)（因?yàn)槟J(rèn)第一行是列索引名，所以默認(rèn)第一行不是數(shù)據(jù)），如果不特意指定，則自動(dòng)從0開始編號(hào)，如下。
sheet = pd.read_excel(path) # 查看列索引名，返回列表形式 print(sheet.columns.values) # 查看行索引名，默認(rèn)從第二行開始編號(hào)，如果不特意指定，則自動(dòng)從0開始編號(hào)，返回列表形式 print(sheet.index.values) """ ['Unnamed: 0' 'name1' 'name2' 'name3'] [0 1 2] """
b）列索引名還可以自定義，如下：
sheet = pd.read_excel(path, names=['col1', 'col2', 'col3', 'col4']) print(sheet) # 查看列索引名，返回列表形式 print(sheet.columns.values) """ col1 col2 col3 col4 0 row1 1 2.0 3 1 row2 4 NaN 6 2 row3 7 8.0 9 ['col1' 'col2' 'col3' 'col4'] """
c）也可以指定第n列為行索引名，如下：
# 指定第一列為行索引
sheet = pd.read_excel(path, index_col=0)
print(sheet)
"""
name1 name2 name3
row1 1 2.0 3
row2 4 NaN 6
row3 7 8.0 9
"""d）讀取時(shí)跳過(guò)第n行的數(shù)據(jù)
# 跳過(guò)第2行的數(shù)據(jù)（第一行索引為0） sheet = pd.read_excel(path, skiprows=[1]) print(sheet) """ Unnamed: 0 name1 name2 name3 0 row2 4 NaN 6 1 row3 7 8.0 9 """
2、獲取表格的數(shù)據(jù)大?。簊hape
path = "test.xlsx"
# 指定第一列為行索引
sheet = pd.read_excel(path, index_col=0)
print(sheet)
print('==========================')
print('shape of sheet:', sheet.shape)
"""
name1 name2 name3
row1 1 2.0 3
row2 4 NaN 6
row3 7 8.0 9
==========================
shape of sheet: (3, 3)
"""3、索引數(shù)據(jù)的方法：[ ] / loc[] / iloc[]
1、直接加方括號(hào)索引
可以使用方括號(hào)加列名的方式 [col_name] 來(lái)提取某列的數(shù)據(jù)，然后再用方括號(hào)加索引數(shù)字 [index] 來(lái)索引這列的具體位置的值。這里索引名為name1的列，然后打印位于該列第1行（索引是1）位置的數(shù)據(jù)：4，如下：
sheet = pd.read_excel(path) # 讀取列名為 name1 的列數(shù)據(jù) col = sheet['name1'] print(col) # 打印該列第二個(gè)數(shù)據(jù) print(col[1]) # 4 """ 0 1 1 4 2 7 Name: name1, dtype: int64 4 """
2、iloc方法，按整數(shù)編號(hào)索引
使用 sheet.iloc[ ] 索引，方括號(hào)內(nèi)為行列的整數(shù)位置編號(hào)（除去作為行索引的那一列和作為列索引的哪一行后，從 0 開始編號(hào)）。
a）sheet.iloc[1, 2] ：提取第2行第3列數(shù)據(jù)。第一個(gè)是行索引，第二個(gè)是列索引
b）sheet.iloc[0: 2] ：提取前兩行數(shù)據(jù)
c）sheet.iloc[0:2, 0:2] ：通過(guò)分片的方式提取 前兩行 的 前兩列 數(shù)據(jù)
# 指定第一列數(shù)據(jù)為行索引
sheet = pd.read_excel(path, index_col=0)
# 讀取第2行（row2）的第3列（6）數(shù)據(jù)
# 第一個(gè)是行索引，第二個(gè)是列索引
data = sheet.iloc[1, 2]
print(data) # 6
print('================================')
# 通過(guò)分片的方式提取 前兩行 數(shù)據(jù)
data_slice = sheet.iloc[0:2]
print(data_slice)
print('================================')
# 通過(guò)分片的方式提取 前兩行 的 前兩列 數(shù)據(jù)
data_slice = sheet.iloc[0:2, 0:2]
print(data_slice)
"""
6
================================
name1 name2 name3
row1 1 2.0 3
row2 4 NaN 6
================================
name1 name2
row1 1 2.0
row2 4 NaN
"""3、loc方法，按行列名稱索引
使用 sheet.loc[ ] 索引，方括號(hào)內(nèi)為行列的名稱字符串。具體使用方式同 iloc ，只是把 iloc 的整數(shù)索引替換成了行列的名稱索引。這種索引方式用起來(lái)更直觀。
注意：iloc[1: 2] 是不包含2的，但是 loc['row1': 'row2'] 是包含 'row2' 的。
# 指定第一列數(shù)據(jù)為行索引
sheet = pd.read_excel(path, index_col=0)
# 讀取第2行（row2）的第3列（6）數(shù)據(jù)
# 第一個(gè)是行索引，第二個(gè)是列索引
data = sheet.loc['row2', 'name3']
print(data) # 1
print('================================')
# 通過(guò)分片的方式提取 前兩行 數(shù)據(jù)
data_slice = sheet.loc['row1': 'row2']
print(data_slice)
print('================================')
# 通過(guò)分片的方式提取 前兩行 的 前兩列 數(shù)據(jù)
data_slice1 = sheet.loc['row1': 'row2', 'name1': 'name2']
print(data_slice1)
"""
6
================================
name1 name2 name3
row1 1 2.0 3
row2 4 NaN 6
================================
name1 name2
row1 1 2.0
row2 4 NaN
"""4、判斷數(shù)據(jù)為空：np.isnan() / pd.isnull()
1、使用 numpy 庫(kù)的 isnan() 或 pandas 庫(kù)的 isnull() 方法判斷是否等于 nan 。
sheet = pd.read_excel(path) # 讀取列名為 name1 的列數(shù)據(jù) col = sheet['name2'] print(np.isnan(col[1])) # True print(pd.isnull(col[1])) # True """ True True """
2、使用 str() 轉(zhuǎn)為字符串，判斷是否等于 'nan' 。
sheet = pd.read_excel(path)
# 讀取列名為 name1 的列數(shù)據(jù)
col = sheet['name2']
print(col)
# 打印該列第二個(gè)數(shù)據(jù)
if str(col[1]) == 'nan':
print('col[1] is nan')
"""
0 2.0
1 NaN
2 8.0
Name: name2, dtype: float64
col[1] is nan
"""5、查找符合條件的數(shù)據(jù)
下面的代碼意會(huì)一下吧
# 提取name1 == 1 的行
mask = (sheet['name1'] == 1)
x = sheet.loc[mask]
print(x)
"""
name1 name2 name3
row1 1 2.0 3
"""6、修改元素值：replace()
sheet['name2'].replace(2, 100, inplace=True) ：把 name2 列的元素 2 改為元素 100，原位操作。
sheet['name2'].replace(2, 100, inplace=True)
print(sheet)
"""
name1 name2 name3
row1 1 100.0 3
row2 4 NaN 6
row3 7 8.0 9
"""sheet['name2'].replace(np.nan, 100, inplace=True) ：把 name2 列的空元素（nan）改為元素 100，原位操作。
import numpy as np
sheet['name2'].replace(np.nan, 100, inplace=True)
print(sheet)
print(type(sheet.loc['row2', 'name2']))
"""
name1 name2 name3
row1 1 2.0 3
row2 4 100.0 6
row3 7 8.0 9
"""7、增加數(shù)據(jù)：[ ]
增加列，直接使用中括號(hào) [ 要添加的名字 ] 添加。
sheet['name_add'] = [55, 66, 77] ：添加名為 name_add 的列，值為[55, 66, 77]
path = "test.xlsx"
# 指定第一列為行索引
sheet = pd.read_excel(path, index_col=0)
print(sheet)
print('====================================')
# 添加名為 name_add 的列，值為[55, 66, 77]
sheet['name_add'] = [55, 66, 77]
print(sheet)
"""
name1 name2 name3
row1 1 2.0 3
row2 4 NaN 6
row3 7 8.0 9
====================================
name1 name2 name3 name_add
row1 1 2.0 3 55
row2 4 NaN 6 66
row3 7 8.0 9 77
"""8、刪除數(shù)據(jù)：del() / drop()
a）del(sheet['name3']) ：使用 del 方法刪除
sheet = pd.read_excel(path, index_col=0)
# 使用 del 方法刪除 'name3' 的列
del(sheet['name3'])
print(sheet)
"""
name1 name2
row1 1 2.0
row2 4 NaN
row3 7 8.0
"""b）sheet.drop('row1', axis=0)
使用 drop 方法刪除 row1 行，刪除列的話對(duì)應(yīng)的 axis=1。
當(dāng) inplace 參數(shù)為 True 時(shí)，不會(huì)返回參數(shù)，直接在原數(shù)據(jù)上刪除
當(dāng) inplace 參數(shù)為 False （默認(rèn)）時(shí)不會(huì)修改原數(shù)據(jù)，而是返回修改后的數(shù)據(jù)
sheet.drop('row1', axis=0, inplace=True)
print(sheet)
"""
name1 name2 name3
row2 4 NaN 6
row3 7 8.0 9
"""c）sheet.drop(labels=['name1', 'name2'], axis=1)
使用 label=[ ] 參數(shù)可以刪除多行或多列
# 刪除多列，默認(rèn) inplace 參數(shù)位 False，即會(huì)返回結(jié)果
print(sheet.drop(labels=['name1', 'name2'], axis=1))
"""
name3
row1 3
row2 6
row3 9
"""9、保存到excel文件：to_excel()
1、把 pandas 格式的數(shù)據(jù)另存為 .xlsx 文件
names = ['a', 'b', 'c']
scores = [99, 100, 99]
result_excel = pd.DataFrame()
result_excel["姓名"] = names
result_excel["評(píng)分"] = scores
# 寫入excel
result_excel.to_excel('test3.xlsx')
2、把改好的 excel 文件另存為 .xlsx 文件。
比如修改原表格中的 nan 為 100 后，保存文件：
import numpy as np
# 指定第一列為行索引
sheet = pd.read_excel(path, index_col=0)
sheet['name2'].replace(np.nan, 100, inplace=True)
sheet.to_excel('test2.xlsx')打開 test2.xlsx 結(jié)果如下：
總結(jié)
到此這篇關(guān)于python pandas處理excel表格數(shù)據(jù)的常用方法的文章就介紹到這了,更多相關(guān)pandas處理excel數(shù)據(jù)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
Python三級(jí)目錄展示的實(shí)現(xiàn)方法
這篇文章主要介紹了Python三級(jí)目錄展示的實(shí)現(xiàn)方法的相關(guān)資料,本文通過(guò)圖文并茂的方式給大家介紹，非常不錯(cuò)，具有參考借鑒價(jià)值，需要的朋友可以參考下2016-09-09
編寫Python腳本來(lái)獲取Google搜索結(jié)果的示例
這篇文章主要介紹了編寫Python腳本來(lái)獲取Google搜索結(jié)果的示例,也是利用Python編寫爬蟲的一個(gè)簡(jiǎn)單實(shí)現(xiàn),需要的朋友可以參考下2015-05-05
淺談Python實(shí)現(xiàn)opencv之圖片色素的數(shù)值運(yùn)算和邏輯運(yùn)算
今天帶大家來(lái)學(xué)習(xí)的是關(guān)于Python的相關(guān)知識(shí),文章圍繞著圖片色素的數(shù)值運(yùn)算和邏輯運(yùn)算展開,文中有非常詳細(xì)的的介紹及代碼示例,需要的朋友可以參考下2021-06-06
這篇文章主要介紹了Python 繪制可視化折線圖的方法，文中講解非常細(xì)致，代碼幫助大家更好的理解和學(xué)習(xí)，感興趣的朋友可以了解下2020-07-07
python區(qū)塊鏈實(shí)現(xiàn)簡(jiǎn)版網(wǎng)絡(luò)
這篇文章主要為大家介紹了python區(qū)塊鏈實(shí)現(xiàn)簡(jiǎn)版網(wǎng)絡(luò)的詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-05-05
這篇文章主要為大家介紹了Python生成圖像特效,本文重點(diǎn)介紹如何使用python進(jìn)行圖像處理,生成各式各樣的圖像特效,有需要的朋友可以借鑒參考下,希望能夠有所幫助2023-10-10
Python+Pygame實(shí)現(xiàn)簡(jiǎn)單的射擊小游戲
要說(shuō)什么游戲能夠獲得大家的喜愛，唯射擊游戲莫屬！本文將利用Python和Pygame庫(kù)制作一個(gè)簡(jiǎn)單的射擊小游戲，感興趣的小伙伴可以了解一下2022-04-04
這篇文章主要介紹了在Python中用split()方法分割字符串的使用介紹,是Python入門中的基礎(chǔ)知識(shí),需要的朋友可以參考下2015-05-05
詳解Python Matplotlib解決繪圖X軸值不按數(shù)組排序問(wèn)題
這篇文章主要介紹了詳解Python Matplotlib解決繪圖X軸值不按數(shù)組排序問(wèn)題，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-08-08
本文主要介紹了Tkinter?組件Scrollbar的具體使用，文中通過(guò)示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2022-01-01