Python使用pandas导入xlsx格式的excel文件内容操作代码

下面是“Python使用pandas导入xlsx格式的excel文件内容操作代码”的完整实例教程。

1. 导入需要的库

import pandas as pd

2. 读取Excel文件

使用pandas的read_excel()函数可以读取Excel文件。该函数的参数包括文件名、sheet名以及其他一些配置信息。

df = pd.read_excel('example.xlsx', sheet_name='Sheet1')

这个例子中，我们读取了名为example.xlsx的文件，其中的Sheet1工作表的内容将被读取到df这个pandas的DataFrame对象中。

3. DataFrame操作

我们可以从df对象中获取DataFrame中的数据并对其进行操作，比如：

3.1 查看前几行数据

使用head()函数可以查看Excel文件中的前几行数据：

print(df.head())

3.2 查看数据的列名

使用columns属性查看Excel文件中数据的列名：

print(df.columns)

3.3 筛选数据

使用loc[]函数可以根据特定条件筛选数据：

new_df = df.loc[df['Column1'] > 10]

这个例子中，我们筛选了Column1这一列中大于10的所有行，并将结果存储在new_df这个DataFrame对象中。

3.4 向DataFrame中添加数据

使用concat()函数可以向DataFrame对象中添加数据：

new_row = pd.DataFrame({'Column1': [20], 'Column2': [30]})
df = pd.concat([df, new_row])

这个例子中，我们创建了一个新的DataFrame对象，其中包含一行数据。然后使用concat()函数将原来的DataFrame对象df与新的DataFrame对象合并，并将其重新赋值给df。

示例

示例1: 输出Excel文件中所有数据

# 导入pandas库
import pandas as pd

# 读取Excel文件
df = pd.read_excel('example.xlsx', sheet_name='Sheet1')

# 输出所有数据
print(df)

示例2：筛选出Excel文件中大于10的数据

# 导入pandas库
import pandas as pd

# 读取Excel文件
df = pd.read_excel('example.xlsx', sheet_name='Sheet1')

# 筛选出大于10的数据
new_df = df.loc[df['Column1'] > 10]

# 输出结果
print(new_df)

以上是一个完整的“Python使用pandas导入xlsx格式的Excel文件内容操作代码”的教程，它的过程中包含了两个实例的说明。