python pandas处理excel表格数据的常用方法总结

首先我们来讲解一下“python pandas处理excel表格数据的常用方法总结”的完整攻略。

1. 安装pandas库

在处理excel表格数据之前，首先需要安装pandas库。你可以通过以下命令在终端中进行安装：

pip install pandas

2. 导入需要处理的excel表格

在Python中，我们使用pandas库的read_excel()方法来导入需要处理的excel表格。同时，我们还可以使用sheet_name指定需要读取的sheet名称，例如：

import pandas as pd

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

上述代码将读取名为“Sheet1”的工作表并存储在名为“df”的数据帧中。需要注意的是，example.xlsx文件应与Python代码位于同一目录下。

3. 数据筛选与过滤

在pandas库中，我们可以使用loc[]方法对数据进行筛选和过滤。例如，如果将“df”数据帧中“Age”列的值大于30的行筛选出来，可以如下操作：

result = df.loc[df['Age'] > 30]

上述代码将筛选出“Age”列中大于30的行并存储在名为“result”的数据帧中。

4. 数据排序

在pandas库中，我们可以使用sort_values()方法对数据进行排序。例如，如果将“df”数据帧中“Name”列按照字母顺序排序，可以如下操作：

result = df.sort_values('Name')

上述代码将按照“Name”列的字母顺序对“df”进行排序，并将其存储在名为“result”的数据帧中。

5. 数据分组

在pandas库中，我们可以使用groupby()方法对数据帧进行分组。例如，如果将“df”数据帧中“Age”列进行分组，并统计每组的数量和平均数，可以如下操作：

result = df.groupby('Age').agg({'Age': 'count', 'Salary': 'mean'})

上述代码将按照“Age”列进行分组，并统计每组的数量和“Salary”列的平均数，并将其存储在名为“result”的数据帧中。

示例1：读取Excel“Sheet2”工作表中的全部数据并展示

import pandas as pd

df = pd.read_excel('example.xlsx', sheet_name='Sheet2')
print(df)

上述代码将读取example.xlsx文件中名为“Sheet2”的工作表中的全部数据，并将其输出到控制台。

示例2：将“df”数据帧中“Salary”列的值除以1000，并将结果存储在新的列中

df['Salary(k)'] = df['Salary'] / 1000
print(df)

上述代码将将“df”数据帧中“Salary”列的值除以1000，并将结果存储在名为“Salary(k)”新列中，并将其输出到控制台。

至此，我们就完成了“python pandas处理excel表格数据的常用方法总结”的完整攻略。