python操作excel之pandas库——代码资料汇总

python操作excel之pandas库——代码资料汇总

用pandas读取excel数据，然后进行增、查、删、改等操作，再保存到excel中

python操作excel数据表全流程(pandas)


import numpy as np
import pandas as pd
import os
os.getcwd()
os.chdir('/Users/houzhixian/Desktop')
print(os.getcwd())
#导入数据表
#df=pd.DataFrame(pd.read_csv('hzx.csv',header=1))

#df=pd.DataFrame(pd.read_excel('123h.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'])


df.shape#查看数据表的维度

df.info()#查看数据表信息
df.dtypes#查看数据类型
df['id'].dtypes#查看单列数据类型
df.isnull()#查看数据空值
df['price'].isnull()#查看特定列空值
df['price'].unique()#查看特定列唯一值
df.values
df.columns#查看列名称
df.head()
df.tail()
# 数据表清洗
df.dropna()
# 用0填充空值
# df.fillna(value=0)
df.fillna(0)
# 使用price均值填充NA
df['price'].fillna(df['price'].mean())#使用price均值对price列的NA进行填充
df['city']=df['city'].map(str.strip)#清除city列中的空字符串
df['city']=df['city'].str.lower()#city列大小写转换为小写

df['price'].fillna(0)

# df['price'].astype(int)
df.price.astype(float)#将价格列数据转换为flost格式，暂时无法将nan转变为int
df.rename(columns={'category':'category-size'})#重命名列category为category-size
df['city'].drop_duplicates()#去除city列中重复值
df['city'].drop_duplicates(keep='last')#去除前面所有重复值
df['city'].replace('sh','shanghai')#替换city列中的‘sh’为‘shanghai’

# 数据表合并
1#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]})
# 其他数据表合并模式
df_inner=pd.merge(df,df1,how='inner')
df_left=pd.merge(df,df1,how='left')
df_right=pd.merge(df,df1,how='right')
# 设置索引列
df_inner.set_index('id')
df_inner.sort_values(by=['age'])#按age列排序
df_inner.sort_index()#按索引index排序
#添加group列于末尾，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')
# 对复合多个条件数据进行分组标记，
df_inner.loc[(df_inner['city']=='beijing')&(df_inner['price']>=4000),'sign']=1
#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
split=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
#按索引提取单行的数值
df_inner.loc[3]

#按索引提取区域行数值
df_inner.loc[0:5]

#重设索引
df_inner.reset_index()
#设置日期为索引
df_inner=df_inner.set_index('date')
#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 按位置区域提取数据
df_inner.iloc[:3,:2]
#使用 iloc 按位置单独提取数据
df_inner.iloc[[0,2,5],[4,5]]

#按条件提取（行或列的条件值）
#判断 city 列的值是否为 beijing
df_inner['city'].isin(['beijing'])
# df_inner[]
#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'])]
category=df_inner['category_x']
# 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”条件进行筛选
df_inner.loc[(df_inner['age'] > 25) & (df_inner['city'] == 'beijing'), ['id','city','age','category_x','gender']]
#使用“或”条件筛选
df_inner.loc[(df_inner['age'] > 25) | (df_inner['city'] == 'beijing'), ['id','city','age','category_x','gender']].sort_values(['age'])
#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_x','gender','price']].sort_values(['age']).price.sum()
#使用“非”条件进行筛选
df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age','category_x','gender']].sort_values(['id'])
#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_x','gender']].sort_values(['id']).city.count()
#使用 query 函数进行筛选
df_inner.query('city == ["beijing", "shanghai"]')
#对筛选后的结果按 price 进行求和
df_inner.query('city == ["beijing", "shanghai"]').price.sum()

# 数据分类汇总
#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()
#对两个字段进行汇总计数
df_inner.groupby(['city','size'])['id'].count()
#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])

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

#数据统计，简单的数据采样
df_inner.sample(n=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)
#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)

#数据表描述性统计
df_inner.describe().round(2).T
#标准差
df_inner['price'].std()
#两个字段间的协方差
df_inner['price'].cov(df_inner['m-point'])
#相关性分析
df_inner['price'].corr(df_inner['m-point'])
#数据表相关性分析
df_inner.corr()

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



"""
自定义模块自动化处理表格
#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)
"""