python 运用pandas 库处理excel 表格数据

在这里插入图片描述

文章目录

读取文件
查看数据
数据选择
数据筛选
创建新列
计算并总结数据
分组统计

读取文件

Pandas 是一个强大的数据分析库，它提供了丰富的数据结构和数据分析工具，其中之一是用于读取不同格式文件的 read_* 函数系列。以下是一个简单介绍如何使用 Pandas 读取常见文件格式的示例：

读取 Excel 文件：

import pandas as pd# 读取 Excel 文件的第一个表格
df = pd.read_excel('文件路径.xlsx')# 打印数据框的前几行
print(df.head())

查看数据

在 Pandas 中，可以使用多种方式来查看 Excel 文件中的 DataFrame 数据以及数据类型。以下是一些常见的方法：

查看前几行数据（或者后几行）：

使用 head() 函数可以查看 DataFrame 的前几行数据，默认是前五行。你可以通过传递参数来指定显示的行数。
```
import pandas as pd# 读取 Excel 文件
df = pd.read_excel('文件路径.xlsx')# 查看前五行数据
print(df.head(5))
# 查看后5行
print(df.tail(5))
```
查看数据类型：

使用 dtypes 属性可以查看 DataFrame 中每一列的数据类型。
```
# 查看数据类型
print(df.dtypes)
```
查看统计摘要：

使用 describe() 函数可以生成关于数值列的统计摘要，包括均值、标准差、最小值、25%，50%，75% 以及最大值。
```
# 查看统计摘要
print(df.describe())
```
查看单一列的唯一值：

如果想了解某一列的唯一值，可以使用 unique() 函数。
```
# 查看某一列的唯一值
unique_values = df['列名'].unique()
print(unique_values)
```
查看整个 DataFrame 的信息：

使用 info() 函数可以查看 DataFrame 的整体信息，包括每列的非空值数量、数据类型等。
```
# 查看整个 DataFrame 的信息
print(df.info())
```

这些方法可以帮助你快速了解 Excel 文件中的数据，其结构以及数据类型。根据需要，选择适当的方法来查看和理解数据。

数据选择

当选择 DataFrame 中的数据时，下面是每个用法的简单例子：

选择列：

# 创建一个简单的 DataFrame
import pandas as pddata = {'Name': ['Alice', 'Bob', 'Charlie'],'Age': [25, 30, 35],'City': ['New York', 'San Francisco', 'Los Angeles']}df = pd.DataFrame(data)# 通过列名选择单列
single_column = df['Name']

选择多列：

# 选择多列
multiple_columns = df[['Name', 'Age']]

选择行：

# 通过标签索引选择单行
single_row_by_label = df.loc[0]# 通过整数索引选择单行
single_row_by_integer = df.iloc[0]

选择特定条件的行：

# 选择满足条件的行
selected_rows = df[df['Age'] > 25]

组合选择：

# 组合条件选择
selected_data = df[(df['Age'] > 25) & (df['City'] == 'San Francisco')]

选择特定位置的元素：

# 通过标签索引选择元素
element_by_label = df.at[0, 'Name']# 通过整数索引选择元素
element_by_integer = df.iat[0, 0]

这些例子演示了如何使用 Pandas 对 DataFrame 进行简单的数据选择。你可以根据具体的数据和需求，灵活运用这些方法。

数据筛选

在 Pandas 中，数据筛选是通过选择满足特定条件的行或列来进行的。以下是一些常见的数据筛选用法：

根据条件筛选行：

通过设定条件来选择 DataFrame 中满足条件的行。

# 创建一个简单的 DataFrame
import pandas as pddata = {'Name': ['Alice', 'Bob', 'Charlie'],'Age': [25, 30, 35],'City': ['New York', 'San Francisco', 'Los Angeles']}df = pd.DataFrame(data)# 选择年龄大于 30 的行
filtered_rows = df[df['Age'] > 30]

使用 isin 方法筛选行：

使用 isin 方法可以选择某一列中包含特定值的行。

# 选择居住在指定城市的行
selected_cities = df[df['City'].isin(['New York', 'Los Angeles'])]

根据多个条件组合筛选行：

使用逻辑运算符 &（与）、|（或）、~（非）等来组合多个条件。

# 选择年龄大于 25 且居住在 'San Francisco' 的行
selected_data = df[(df['Age'] > 25) & (df['City'] == 'San Francisco')]

根据字符串条件筛选行：

使用字符串方法，如 str.contains，可以在文本列中筛选包含特定字符串的行。
```
# 选择包含 'Bob' 的行
selected_rows = df[df['Name'].str.contains('Bob')]
```

根据索引标签筛选行：

使用 loc 方法根据索引标签筛选行。

# 设置 'Name' 列为索引列
df.set_index('Name', inplace=True)# 选择 'Bob' 的行
selected_row = df.loc['Bob']

根据列值筛选列：

使用列名来选择特定的列。

# 选择 'Name' 和 'Age' 列
selected_columns = df[['Name', 'Age']]

这些例子展示了在 Pandas 中进行数据筛选的常见用法。你可以根据实际情况和需求，使用这些方法进行灵活的数据筛选。

创建新列

在 Pandas 中，创建新列可以通过给 DataFrame 分配新的列名，并使用已有列的数据或进行一些计算得到新的列值。以下是一些常见的创建新列的方法：

使用已有列进行计算创建新列：

# 创建一个简单的 DataFrame
import pandas as pddata = {'Name': ['Alice', 'Bob', 'Charlie'],'Age': [25, 30, 35],'City': ['New York', 'San Francisco', 'Los Angeles']}df = pd.DataFrame(data)# 使用已有列 'Age' 创建一个新列 'Age_in_2_years'
df['Age_in_2_years'] = df['Age'] + 2

使用函数进行计算创建新列：

可以使用函数对 DataFrame 的一列进行操作，并将结果存储在新列中。

# 创建一个函数，用于计算字符串长度
def calculate_name_length(name):return len(name)# 使用函数创建新列 'Name_Length'
df['Name_Length'] = df['Name'].apply(calculate_name_length)

使用条件语句创建新列：

可以使用条件语句根据某一列的值创建新的列。
```
# 使用条件语句创建新列 'Is_Adult'
df['Is_Adult'] = df['Age'] >= 18
```

根据多列创建新列：

使用多个已有列的数据进行计算，并创建新的列。

# 使用 'Age' 和 'Name_Length' 列创建新列 'Combined_Column'
df['Combined_Column'] = df['Age'] * df['Name_Length']

使用 assign 方法创建新列：

使用 assign 方法可以链式操作，一次性创建多个新列。

# 使用 assign 方法创建多个新列
df = df.assign(Double_Age=df['Age'] * 2, Triple_Age=df['Age'] * 3)

这些方法提供了多种灵活的方式来创建新列，根据你的需求选择适当的方法。创建新列时，考虑数据的来源、计算逻辑以及新列的名称。

计算并总结数据

在 Pandas 中，可以使用一些内建的函数来计算总结数据，包括均值、中位数、标准差等。以下是一些常见的计算总结数据的方法：

计算列的均值：

# 计算 'Age' 列的均值
mean_age = df['Age'].mean()

计算列的中位数：

# 计算 'Age' 列的中位数
median_age = df['Age'].median()

计算列的标准差：

# 计算 'Age' 列的标准差
std_dev_age = df['Age'].std()

计算列的总和：

# 计算 'Age' 列的总和
sum_age = df['Age'].sum()

计算列的最小值和最大值：

# 计算 'Age' 列的最小值和最大值
min_age = df['Age'].min()
max_age = df['Age'].max()

使用 describe 方法获取统计摘要：

# 使用 describe 方法获取数值列的统计摘要
summary_stats = df.describe()

计算唯一值的数量：

# 计算 'City' 列中唯一值的数量
unique_cities_count = df['City'].nunique()

计算唯一值及其出现次数：

# 计算 'City' 列中每个唯一值的出现次数
city_counts = df['City'].value_counts()

这些方法提供了对数据集进行各种总结统计的途径。具体选择哪种方法取决于你关心的统计信息。可以根据实际需求选择适当的函数进行计算。

分组统计

在 Pandas 中，分组统计是一种强大的数据分析工具，允许你根据某一列或多列的值对数据进行分组，然后对每个组进行统计。以下是一些常见的分组统计的方法：

按单一列分组并计算统计量：

# 创建一个简单的 DataFrame
import pandas as pddata = {'Category': ['A', 'B', 'A', 'B', 'A', 'B'],'Value': [10, 20, 30, 15, 25, 18]}df = pd.DataFrame(data)# 按 'Category' 列分组，并计算每组的均值
group_means = df.groupby('Category')['Value'].mean()

按多列分组并计算统计量：

# 创建一个带有多列的 DataFrame
data = {'Category': ['A', 'B', 'A', 'B', 'A', 'B'],'City': ['X', 'Y', 'X', 'Y', 'X', 'Y'],'Value': [10, 20, 30, 15, 25, 18]}df = pd.DataFrame(data)# 按 'Category' 和 'City' 列分组，并计算每组的均值
group_means = df.groupby(['Category', 'City'])['Value'].mean()

同时计算多个统计量：

# 同时计算均值和标准差
group_stats = df.groupby('Category')['Value'].agg(['mean', 'std'])

使用 agg 方法应用多个函数：

# 使用 agg 方法应用不同的统计函数
custom_stats = df.groupby('Category')['Value'].agg(['sum', 'mean', 'count'])

使用 apply 方法应用自定义函数：

# 使用 apply 方法应用自定义函数
def custom_function(group):return group.max() - group.min()custom_result = df.groupby('Category')['Value'].apply(custom_function)

透视表（Pivot Table）：

# 使用透视表计算 'City' 列和 'Category' 列的均值
pivot_table = df.pivot_table(values='Value', index='Category', columns='City', aggfunc='mean')

这些方法提供了丰富的分组统计功能，可以根据不同的需求进行定制化。分组统计对于理解数据的分布、进行对比分析等方面都非常有用。