热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

python对excel增删改查_Python(数据分析篇)Pandas框架【一】DataFrame数据创建以及元素的增删改查...

文章目录前言pandas主要分为如下几个阶段:表格数据操作:增删改查实现多个表格的处理数据清洗操作:缺失值、重复值、异常值、数据标准化、数

文章目录

前言

pandas主要分为如下几个阶段:

表格数据操作:增删改查

实现多个表格的处理

数据清洗操作:缺失值、重复值、异常值、数据标准化、数据转换的操作;

实现所有的excel的特殊操作:生成透视表,交叉表;

完成统计分析;

首先,导入相应模块

import pandas as pd

import numpy as np

一、构建dataframe

dataframe是一种表格型数据结构,拥有axis=0,axis=1(),所以dataframe类型肯定是二维的

方法一:

df = pd.DataFrame(data=[['ss',20,'男','0831'],['zs',22,'男','0831'],['lh',21,'女','0831']], index=['a','b','c'], columns=['name','age','gender','class'])

说明:

index:行索引,可以不写

columns:列索引,必须得写

data:数据

方法二:

pd.DataFrame(data={

'name':['ss','zs','lh'],

'age':[20,22,21],

'gender':['男','男','女'],

'class':['0831','0831','0831']

})

生成的表格:

ageclassgendername0200831男ss

1220831男zs

2210831女lh

二、dataframe属性

1.结构

print('结构:',df.shape)

结构: (3, 4)

2.维度

print(df.ndim)

2

3.元素个数

print(df.size)

12

4.元素类型

print(df.dtypes)

name object

age int64

gender object

class object

dtype: object

5.查看列索引

print(df.columns)

Index(['name', 'age', 'gender', 'class'], dtype='object')

6.查看行索引

print(df.index)

Index(['a', 'b', 'c'], dtype='object')

7.查看数据

print(df.values)

print(type(df.values)) #

[['ss' 20 '男' '0831']

['zs' 22 '男' '0831']

['lh' 21 '女' '0831']]

三、元素操作

1、dataframe查找

(1) 一维切片

df['name']

# 切完是一维的,返回的是series类型,仅限于一列值的查找

(2) 二维切片

df[['name']]

# 切完是二维的,返回的是dataframe类型

输出结果:仅有一列值的表格

nameass

bzs

clh

(3)索引切片:

语法:df.loc [ 行索引名称/条件,列的索引名称 ]

# df.loc['a','name']

df.loc['a',:] # 返回一维series类型

df.loc[['a','b'],'name'] # 行(列)其中一个传入列表,返回一维series类型

输出:

a ss

b zs

Name: name, dtype: object

行(列)两个都传入列表类型,返回二维dataframe类型

print(df.loc[['a','b'],['name','age']])

输出:

name age

a ss 20

b zs 22

(4)条件切片

使用mask,生成bool值表格,根据布尔值取值

# 获取所有年龄大于18岁的同学

mask = df['age']>18

print(mask)

df.loc[mask,'name']

df.loc[mask,['name','class']]

布尔值mask表格:

a True

b True

c True

Name: age, dtype: bool

根据mask取出的表格:

nameclassass0831

bzs0831

clh0831

例2:

mask可以联合使用,使用逻辑符进行连接

# 获取所有年龄大于18岁的女同学

mask1 = df['age']>18

mask2 = df['gender'] == '女'

mask = mask1 & mask2 # 位运算符(&:且;|:或)

df.loc[mask,:]

nameagegenderclassclh21女0831

(5)索引切片

df.iloc[行的位置索引,列的位置索引]

# df.iloc[:2,2:] # 前闭后开

df.iloc[-1,:].index

Index(['name', 'age', 'gender', 'class'], dtype='object')

2、dataframe增加方法

(1)添加一列

# 分别给每一个元素添加address

df['address'] = ['北京','上海','北京']

print(df)

输出:

name age gender class address

a ss 20 男 0831 北京

b zs 22 男 0831 上海

c lh 21 女 0831 北京

当给一个值时,可将所有元素的address改为同一个值

df['address'] = '北京'

print(df)

输出:

name age gender class address

a ss 20 男 0831 北京

b zs 22 男 0831 北京

c lh 21 女 0831 北京

(2)添加一行

使用append方法

df_mini = pd.DataFrame(data={

'name':['ss','zs','lh'],

'age':[20,22,21],

'gender':['男','男','女'],

'class':['0831','0831','0831']})

# df.append(df_mini)

df2 = df.append(df_mini,ignore_index=True)

说明:

ignore_index=True:表示忽略原始索引,重新设置索引

添加时,原始表格不会变化,返回一个合并后的表格

3、dataframe删除方法

语法:df.drop(labels, axis=0, level=None, inplace=False, errors=‘raise’)

说明:

labels:删除的哪一行(列),使用索引

axis:删行(列)

inplace:False默认不修改原表,True表示修改原表

# 删除某些列

df2.drop(labels=['address','class'],axis=1)

返回删除之后的表格

agegendername020男ss

122男zs

221女lh

320男ss

422男zs

521女lh

# 删除某些行

df2.drop(labels = [0,1,2],axis=0)

删除行还是列,根据axis决定

addressageclassgendername3NaN200831男ss

4NaN220831男zs

5NaN210831女lh

4、dataframe更该数值方法

# 例:将名字为‘lh’的人的班级改为‘有问题’

df.loc[df['name']=='lh','class'] = '有问题'

print(df)

输出:

name age gender class address

a ss 20 男 0831 北京

b zs 22 男 0831 北京

c lh 21 女 有问题 北京



推荐阅读
  • 技术分享:从动态网站提取站点密钥的解决方案
    本文探讨了如何从动态网站中提取站点密钥,特别是针对验证码(reCAPTCHA)的处理方法。通过结合Selenium和requests库,提供了详细的代码示例和优化建议。 ... [详细]
  • 本文详细解析了Python中的os和sys模块,介绍了它们的功能、常用方法及其在实际编程中的应用。 ... [详细]
  • 本文详细介绍了Python中文件的基本操作,包括打开、读取、写入和关闭文件的方法,并通过实例展示了如何将Excel文件转换为CSV文件以及进一步转换为HTML文件。此外,还涉及了成绩等级替换的具体实现。 ... [详细]
  • 本文介绍如何使用 Python 获取文件和图片的创建、修改及拍摄日期。通过多种方法,如 PIL 库的 _getexif() 函数和 os 模块的 getmtime() 和 stat() 方法,详细讲解了这些技术的应用场景和注意事项。 ... [详细]
  • 本文介绍如何使用 Python 的 xlrd 库读取 Excel 文件,并将其数据处理后存储到数据库中。通过实际案例,详细讲解了文件路径、合并单元格处理等常见问题。 ... [详细]
  • 本文介绍如何使用 Python 的 Pandas 库中 Series 对象的 round() 方法,对数值进行四舍五入处理。该方法在数据预处理和分析中非常有用。 ... [详细]
  • python时间序列之ADF检验(1)
    读取数据,pd.read_csv默认生成DataFrame对象,需将其转换成Series对象DataFrame和Series是pandas中最常见的2 ... [详细]
  • 1.如何在运行状态查看源代码?查看函数的源代码,我们通常会使用IDE来完成。比如在PyCharm中,你可以Ctrl+鼠标点击进入函数的源代码。那如果没有IDE呢?当我们想使用一个函 ... [详细]
  • Python自动化处理:从Word文档提取内容并生成带水印的PDF
    本文介绍如何利用Python实现从特定网站下载Word文档,去除水印并添加自定义水印,最终将文档转换为PDF格式。该方法适用于批量处理和自动化需求。 ... [详细]
  • 本文详细解析了如何使用Python语言在STM32硬件平台上实现高效的编程和快速的应用开发。通过具体的代码示例,展示了Python简洁而强大的特性。 ... [详细]
  • 掌握远程执行Linux脚本和命令的技巧
    本文将详细介绍如何利用Python的Paramiko库实现远程执行Linux脚本和命令,帮助读者快速掌握这一实用技能。通过具体的示例和详尽的解释,让初学者也能轻松上手。 ... [详细]
  • 本文探讨了如何在给定整数N的情况下,找到两个不同的整数a和b,使得它们的和最大,并且满足特定的数学条件。 ... [详细]
  • 从 .NET 转 Java 的自学之路:IO 流基础篇
    本文详细介绍了 Java 中的 IO 流,包括字节流和字符流的基本概念及其操作方式。探讨了如何处理不同类型的文件数据,并结合编码机制确保字符数据的正确读写。同时,文中还涵盖了装饰设计模式的应用,以及多种常见的 IO 操作实例。 ... [详细]
  • 根据最新发布的《互联网人才趋势报告》,尽管大量IT从业者已转向Python开发,但随着人工智能和大数据领域的迅猛发展,仍存在巨大的人才缺口。本文将详细介绍如何使用Python编写一个简单的爬虫程序,并提供完整的代码示例。 ... [详细]
  • 本文介绍如何使用Python进行文本处理,包括分词和生成词云图。通过整合多个文本文件、去除停用词并生成词云图,展示文本数据的可视化分析方法。 ... [详细]
author-avatar
菜鸟
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有