一、前言

為什么要學(xué)習(xí)pandas？我們之前其實已經(jīng)接觸了xlwings，它的強(qiáng)項是控制 Excel。比如打開文件、讀寫單元格、設(shè)置字體顏色、操作圖表。它不擅長計算，但是如果用 xlwings 逐行遍歷 10 萬行數(shù)據(jù)做加法，速度會比蝸牛還慢，同樣如果用VBA處理，龐大的數(shù)據(jù)處理需求，就有點(diǎn)難為二位了

因此 pandas 是“超級加工廠”：它的強(qiáng)項是計算和處理數(shù)據(jù)。它把數(shù)據(jù)加載到內(nèi)存（RAM）里，處理 100 萬行數(shù)據(jù)的篩選、求和、匹配，通常只需要 0.x 秒，下面我們主要了解一下它的基礎(chǔ)使用用法。

如果需要使用這個包，我們一樣使用pip命令進(jìn)行安裝，然后通過import pandas as pd 進(jìn)行引入，就可以使用了：

pip install pandas

二、理解series和DataFrame

2.1 創(chuàng)建Series

Series是一種類似于一維數(shù)組的對象，它由一組數(shù)據(jù)（不同數(shù)據(jù)類型）以及一組與之相關(guān)的數(shù)據(jù)標(biāo)簽（即索引）組成。

sr = pd.Series(["a",4,6,"今天",8])
print(sr)
print(sr.index) # 顯示索引 RangeIndex(start=0, stop=5, step=1)

注意這里我們沒有給sr一個index，因此默認(rèn)是用數(shù)字來表示的，index是pandas的標(biāo)識符，用于標(biāo)識每一行的位置，輸出的sr結(jié)果如下，series 可以代表包含不同的數(shù)據(jù)類型：

0     a
1     4
2     6
3    今天
4     8
dtype: object

那如果我們給定index，得到的結(jié)果就是：

sr = pd.Series(["a",4,6,"今天",8],index=["A","B","C","D","E"])
print(sr)
print(sr.index) # 顯示索引 Index(['A', 'B', 'C', 'D', 'E'], dtype='object')

運(yùn)行結(jié)果：

A     a
B     4
C     6
D    今天
E     8
dtype: object

我們也可以通過字典的方式生成，如下：

sort_dictionary = {"A":"a","B":4,"C":6,"D":"今天","E":8}
sr = pd.Series(sort_dictionary)
print(sr) # 字典的鍵作為索引，值作為具體的第二列的值

2.2 讀取Series

Series的讀取類似字典的讀取方式，如下如果取的是一個值，那么返回的就是一個值的具體類型，比如只通過sr["A"]取值，那么返回的類型是<class 'str'>，而如果取得是多個，則返回的類型還是series。

sort_dictionary = {"A":"a","B":4,"C":6,"D":"今天","E":8}
sr = pd.Series(sort_dictionary)
print(sr["A"]) # 顯示索引為A的值
print(type(sr["A"])) # 顯示索引為A的值的類型
print("=========") # 分隔線
print(sr[["A","B","C"]]) # 顯示索引為A,B,C的值
print(type(sr[["A","B","C"]])) # 顯示索引為A,B,C的值的類型

輸出為：

a
<class 'str'>
=========
A    a
B    4
C    6
dtype: object
<class 'pandas.core.series.Series'>

2.3 創(chuàng)建DataFrame

我們上面提到的Series只是一個一維的，但是DataFrame就將其帶入到了二維的場景：

df = pd.DataFrame({
    "A": [1, 2, 3],
    "B": [4, 5, 6],
    "C": [7, 8, 9]
},index=["a","b","c"])
print(df)

輸出為：

   A  B  C
a  1  4  7
b  2  5  8
c  3  6  9

其實你可以發(fā)現(xiàn)內(nèi)部就是一個字典，然后我們通過index指定了索引，如果說沒有給具體的索引，那么第一列就是0,1,2，我們也可以通過以下命令打印此DataFrame的具體信息：

print(df.dtypes) # 顯示數(shù)據(jù)類型
print(df.index) # Index(['a', 'b', 'c'], dtype='object')
print(df.columns) # Index(['A', 'B', 'C'], dtype='object')

2.4 讀取DataFrame

（1）按列讀出

我們通過下面的命令讀取上面創(chuàng)建的DataFrame:

print(df["A"]) # 顯示列A
print(type(df["A"])) # 顯示列A的類型
print("========") # 分隔線
print(df[["A","B"]]) # 顯示列A,B
print(type(df[["A","B"]])) # 顯示列A,B的類型

可以看到在控制臺輸出，可以看出是一列一列取的，如果只是看一列，那類型為Series，如果是兩列，就是DataFrame：

a    1
b    2
c    3
Name: A, dtype: int64
<class 'pandas.core.series.Series'>
========
   A  B
a  1  4
b  2  5
c  3  6
<class 'pandas.core.frame.DataFrame'>

（2）按行讀出

那如果需要按行讀出呢，我們可以使用loc方法，如下：

print(df.loc["a"])
print(type(df.loc["a"]))

得到的輸出結(jié)果如下，可以發(fā)現(xiàn)取出的是一維數(shù)組，因此類型還是Series：

A    1
B    4
C    7
Name: a, dtype: int64
<class 'pandas.core.series.Series'>

而如果我們同時需要取兩行的話，就可以通過列表切片的方式進(jìn)行索引

print(df.loc["a":"b"])
print(type(df.loc["a":"b"]))

輸出結(jié)果如下，可以發(fā)現(xiàn)取出的是2行多列，因此是二維數(shù)組，數(shù)據(jù)類型就變成DataFrame了：

   A  B  C
a  1  4  7
b  2  5  8
<class 'pandas.core.frame.DataFrame'>

（3）單個數(shù)據(jù)或區(qū)域讀出

同時我們也可以實現(xiàn)單個單元格的獲取和指定區(qū)域的獲?。?/p>

print(df.loc["a","A"]) # 顯示索引為a,列名為A的值
print("="*20) # 分割線
print(df.loc["a":"b","A"]) # 顯示索引為a到b,列名為A的值

輸出如下：

1
====================
a    1
b    2
Name: A, dtype: int64

三、聯(lián)動EXCEL進(jìn)行數(shù)據(jù)讀取

3.1 加載EXCEL文件

比如我們有一個DATA.xlsx 文件，我們首先簡單進(jìn)行讀?。?/p>

import pandas as pd

file_path = r"C:\Users\22330\Desktop\進(jìn)行中\(zhòng)DATA.xlsx"
df = pd.read_excel(file_path) # 讀取對應(yīng)的文件
print(df)
print(df.index) 
print(df.index.is_unique) # True

可以看到，打印出了開始5行和最后的五行，最左側(cè)的一列數(shù)字是pandas的標(biāo)識符，用于標(biāo)識每一行的位置，在df輸出的最后，也告知了數(shù)據(jù)源的形狀，是606行*8列。當(dāng)然如果看的是csv文件，可以把read_excel()改成read_csv()。

有的時候我們只想看數(shù)據(jù)的前幾行數(shù)據(jù)，就可以使用（只會顯示前5行數(shù)據(jù)）

print(df.head()) # 顯示前五行數(shù)據(jù)

如果我們想要看此表的詳細(xì)信息，可以通過df.info()得到

print(df.info()) # 顯示數(shù)據(jù)框的信息，包括列名、非空值數(shù)量、數(shù)據(jù)類型等

可以看到在上面的圖中打印出來了DATA.xlsx中每一列的具體信息，是否有空值，數(shù)據(jù)類型，文件大小等。

如果單純只是想要看一下數(shù)據(jù)區(qū)域的大小，或者列名，或者數(shù)據(jù)類型，可以嘗試以下命令：

print(df.shape) # 顯示數(shù)據(jù)行數(shù)和列數(shù)
print(df.columns) # 顯示列名
print(df.dtypes) # 顯示數(shù)據(jù)類型

3.2 使用pandas進(jìn)行數(shù)據(jù)讀取

可以看到我們的第一列是出庫日期，我們可以用出庫日期來作為索引，因此可以使用以下方法，將出庫日期作為索引列，這樣方便我們后期的查詢，其中inplace=True表示將"出庫日期"列設(shè)置為 DataFrame 的索引，并且 直接修改原始的 df ，而不是返回一個新的：

df.set_index("出庫日期",inplace=True)
print(df.head())

我們打印一下開始的幾行，可以看到索引已經(jīng)變成出庫日期了：

現(xiàn)在比如我們想要知道 2023-06-03 出庫的貨物的 安全等級，就可以這樣寫：

print(df.loc["2023-06-03","安全等級"]) # D

或者可以進(jìn)行多個數(shù)據(jù)的查詢：

print(df.loc["2023-06-03",["安全等級","產(chǎn)品類別"]]) 
print("="*60) # 分割線
print(df.loc["2023-06-03":"2023-06-05",["安全等級","產(chǎn)品類別"]])

輸出結(jié)果為：

安全等級       D
產(chǎn)品類別    家居用品
Name: 2023-06-03 00:00:00, dtype: object
============================================================
           安全等級  產(chǎn)品類別
出庫日期
2023-06-03    D  家居用品
2023-06-04    C    服裝
2023-06-05    D    食品

或者我們的行和列都可以變成數(shù)據(jù)區(qū)間，例如：

print(df.loc["2023-06-03":"2023-06-05","產(chǎn)品經(jīng)理":"地區(qū)"])

輸出：

                   產(chǎn)品經(jīng)理  產(chǎn)品類別  地區(qū)
出庫日期
2023-06-03   Bob-Smith  家居用品  西北
2023-06-04   Bob-Smith    服裝  華北
2023-06-05  Mary-Joson    食品  西北

3.3 使用pandas進(jìn)行條件查詢

比如我們想要查詢產(chǎn)品經(jīng)理為Jerry的所有記錄，就可以這樣寫，下方的 : 代表返回所有列:

print(df.loc[df["產(chǎn)品經(jīng)理"]=="Jerry",:])

于是可以看到，輸出中返回了篩選之后的結(jié)果，注意這里的98行只包括數(shù)據(jù)源（不包括標(biāo)題行），因此共98條符合的記錄：

也可以把條件寫的復(fù)雜一些，然后進(jìn)行多條件的篩選，也可以返回指定的列，如下方的寫法：

# 顯示產(chǎn)品經(jīng)理為Jerry且安全等級為D的所有數(shù)據(jù)
print(df.loc[(df["產(chǎn)品經(jīng)理"]=="Jerry")&(df["安全等級"]=="D"),:]) 
# 顯示產(chǎn)品經(jīng)理為Jerry且安全等級為D的銷售額和地區(qū)
print(df.loc[(df["產(chǎn)品經(jīng)理"]=="Jerry")&(df["安全等級"]=="D"),["銷售額(元)","地區(qū)"]])

以上就是使用pandas操作Excel表格的詳細(xì)入門教程的詳細(xì)內(nèi)容，更多關(guān)于pandas操作Excel表格的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論