python数据分析基础007 -利用pandas带你玩转excel表格(中上篇)

Posted 苏凉.py

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了python数据分析基础007 -利用pandas带你玩转excel表格(中上篇)相关的知识,希望对你有一定的参考价值。

文章要点

🐚作者简介:苏凉(专注于网络爬虫,数据分析)
🐳博客主页:苏凉.py的博客
👑名言警句:海阔凭鱼跃,天高任鸟飞。
📰要是觉得博主文章写的不错的话,还望大家三连支持一下呀!!!
👉关注✨点赞👍收藏📂

🍺前言

上篇文章带着大家一起学习了在pandas中如何对excel表格进行创建和修改,还有一些基本的操作,接下来我们一起再深入的去了解pandas在excel中其他的一些有趣的操作吧!!
往期回顾:
1.python数据分析基础001 -matplotlib的基础绘图
2.python数据分析基础002 -使用matplotlib绘图(散点图,条形图,直方图)
3.python数据分析基础003 -numpy的使用(详解)
4.python数据分析基础004 -numpy读取数据以及切片,索引的使用
5.python数据分析基础005 -pandas详解_pandas入门这一篇就足够了
6.python数据分析基础006 -利用pandas带你玩转excel表格(上篇)

🍀(一)在pandas中对excel进行函数填充

🍒1.在excel中进行函数填充

实例:在excel中我们要计算出现价,需要用对应的单元格做计算,得出结果后向下填充!

🍒2.在pandas中实现函数填充

🔥2.1 列于列进行计算

在excel表格中,计算出得结果通常为单元格与单元格做计算,而在pandas中往往都是整列与整列进行计算。

import pandas as pd

book = pd.read_excel('./Book.xlsx')

df = pd.DataFrame(book)

# 1.列与列进行计算
now_price = df['原价'] * df['折扣']
df['现价']=now_price

print(df)

结果:

🔥2.2 单元格与单元格进行计算

若我们想要实现excel中的单元格与单元格进行计算,我们需要遍历索引,取到每个单元格内的值,再进行计算,这个方法与上述方法实现的效果相同,但增加了计算量。如没有特殊情况,不推荐此类方法!!

# 2.单元格和单元格进行计算
# # 对索引进行遍历
for i in df.index:
    df['现价'].at[i] = df['原价'].at[i] * df['折扣'].at[i]

结果与上述相同。

🔥2.3 部分数据计算

若我们只想对其中的部分数据进行计算,则遍历部分单元格进行计算即可!

# 3.对部分单元格进行遍历
for i in range(5,11):
	df['现价'].at[i] = df['原价'].at[i] * df['折扣'].at[i]

结果:

🔥2.4 列增值

🌟2.4.1 pandas中的apply函数

DataFrame.apply(func, axis=0, broadcast=False, raw=False, reduce=None, args=(), **kwds)
我们在函数中实现对Series不同属性之间的计算,返回一个结果,则apply函数会自动遍历每一行DataFrame的数据,最后将所有结果组合成一个Series数据结构并返回。

4.列增值
def add(x):
    return x+5
df['原价'] = df['原价'].apply(add)

另一种写法,可以以不用定义函数,当然定义函数要方便一点在哪里需要用到直接调用就可以了,另外一种方法为使用lambda表达式代替函数。

df['原价'] = df['原价'].apply(lambda x:x+5)

以上两种方法都可以的到同样的结果:

🍀(二)排序以及多重排序

在excel表格中我们可以对数据进行从大到小或是从小到大排序,也可以对多列数据进行排序,那再pandas中我们要如何操作呢?接下来就让我们一起看看吧!

实例:我们要对该表格的价格进行从大到小排序,以及将不值且价格从大到小来进行排序

🍒1.在excel表格中进行操作


结果:

🍒2.在pandas中实现排序操作

我们需要在pandas中实现上述的结果,则需要调用pandas中的sort_values函数

import pandas as pd

list = pd.read_excel('./count.xlsx')

df = pd.DataFrame(list)
df.sort_values(by=['Worthy','Price'],inplace=True,ascending=[True,False])

print(df)

在此可以一次性加入多个参数进行排序,而不用另外设置,ascending的默认值为True(从小到大),在这里对两列的数据进行排序,ascending的值若不同时为True或False,则需要分开设置。

结果:

这样我们就实现了以上结果。

🍀(三)数据筛选

🍒1.在excel中进行数据筛选

在excel中通常我们需要筛选出一些我们需要的数据,那再pandas中如何实现呢?下面一起来看看吧

实例:筛选出成绩再85分以上包含85,且年龄再25岁以下的学生。

🍒2.在pandas中实现数据筛选

同样这里也需要用到apply函数

import pandas as pd

def age_25(a):
    return a<25
def score_85(b):
    return b>=85 and b <=100

student = pd.read_excel('./Students.xlsx',index_col='ID')
df = pd.DataFrame(student)
fin = df.loc[df['Age'].apply(age_25)].loc[df['Score'].apply(score_85)]
print(fin)

apply函数的另一种写法

fin = df.loc[df['Age'].apply(lambda x:x<25)].loc[df['Score'].apply(lambda y:y>=85 and y<=100)]

两种方法结果相同:

🍻结语

今天的内容就到这里啦,希望看到此文的小伙伴能有所收获,另外pandas在excel中还有很多操作需要探索,关注我,咱们下期再见!!

以上是关于python数据分析基础007 -利用pandas带你玩转excel表格(中上篇)的主要内容,如果未能解决你的问题,请参考以下文章

我奶奶都能看懂系列007☀️python基础语法——函数,小学生也可以学!

007-大数据-高并发网络基础1

java基础-007

python数据分析007_使用Matplotlib绘图

Python编程之数据结构与算法练习_007

007 Java集合浅析2