pandas 玩转 Excel 操作总结

北山啦

发布于 2022-11-27 13:48:58

2.7K0

发布于 2022-11-27 13:48:58

文章被收录于专栏：北山啦的博客

Python 操作Excel操作总结,包括Series和Data Frame的互转、使用pandas读取Excel表格、python读取多个数据表、python合并多个工作表以及写入Excel文件

pandas是一款基于NumPy的数据分析工具。它提供了大量的能使我们快捷处理数据的方法。

数据科学线性代数公式汇总

随笔记录所的所学，此博客为我记录文章所用，发布到此，仅供网友阅读参考。作者:北山啦

# -*- coding:utf-8 -*-
# @Address:https://beishan.blog.csdn.net/
# @Author:北山啦

常用数据类型

Series：一维数组，与NumPy中的一维数组相似，和Python自身的list也相似。区别自语Series中的数据只能是一种数据，而list中的数据可以不一样
Time-Series：以时间为索引的Series
DataFrame：二维的表格型数据结构。经常用于处理Excel表格数据等，这也是我们本节课会重点讲的内容
Panel：三维数组（0.25版本后，统一使用xarray，不再支持Panel）

Series和Data Frame的互转

利用to_frame()实现Series转DataFrame
利用squeeze()实现单列数据DataFrame转Series

import pandas as pd
s = pd.Series(["北山啦","关注","点赞"])
s

0    北山啦
1     关注
2     点赞
dtype: object

s = s.to_frame(name="列名")
s

	列名
0	北山啦
1	关注
2	点赞

s.squeeze()

0    北山啦
1     关注
2     点赞
Name: 列名, dtype: object

使用pandas读取Excel表格

在pandas中，读取Excel非常简单，它只有一个方法：readExcel()，但是的参数非常多

主要常用的参数，我们先对其进行了解：

io：一般指定excel文件路径就可以了。也可以是其他Excel读取对象如ExcelFile、xlrd.Book等
sheet_name：用于指定工作表（sheet）名称。可以是数字（工作表从0开始的索引）
header：指定作为列名的行，默认为0，即第一行为列名。如果数据不含列名，则设为None
names：指定新的列名列表。列表中元素个数和列数必须一致
index_col：指定列为索引列，默认None指的是索引为0的第一列为索引列
usecols：要解析数据的列，可以是int或者str的列表，也可以是以逗号分隔的字符串(pandas 0.24新增功能)，例如：”A:F”，表示从A列到F列，”A,C,F”表示A、C、F三列，还可以写成”A,C,F,K:Q”
dtype：各列的数据类型，例如：{‘a’: np.float64, ‘b’: np.int32}
converters：用于转换各列数据的函数的字典数据，例如：{‘a’: func_1, ‘b’: func_2}

import pandas as pd
sheet = pd.read_excel(io="测试数据.xlsx")
sheet.head()

	姓名	年龄	工资
0	OLIVER.	23	7653
1	HARRY.	45	8799
2	GEORGE.	34	9800
3	NOAH.	54	12880
4	JACK.	34	3600

我们先来看一下取回的数据的数据类型是什么。

print(type(sheet))

<class 'pandas.core.frame.DataFrame'>

可以看到，它就是我们前面提到的DataFrame数据。，直接通过它的列名称来获取即可，比如，要获得所有的工资信息，可以如下：

print(sheet['工资'])

0      7653
1      8799
2      9800
3     12880
4      3600
5      3800
6      8976
7     12000
8      8900
9      7688
10     6712
11     9655
12     6854
13     8122
14     6788
15     8830
Name: 工资, dtype: int64

可以看到它的所有的数据都列出来了，并且这一列数据的数据类型是int64，即64位整型。得到这一列数据后，我们可以对它进行处理。

for i in sheet['工资']:
    print(i)

或者将它转换成列表后再处理：

salaries = list(sheet['工资'])
print(salaries)

[7653, 8799, 9800, 12880, 3600, 3800, 8976, 12000, 8900, 7688, 6712, 9655, 6854, 8122, 6788, 8830]

计算大家的平均工资：

sum = 0
for i in salaries:
    sum += i
    
print(f"总工资：{sum}")
ave = sum / len(salaries)
print(f"平均工资：{ave}")

总工资：131057
平均工资：8191.0625

我们也可以对求和的方法，使用lambda表达式（匿名函数）结合reduce()函数进行。reduce()函数会对列表、元组等可遍历的元素依次进行运算：将第一个元素和第二个元素进行运算，并将结果和第三个元素进行运算，直到最后一个元素。

import functools
sum = functools.reduce(lambda x, y: x + y, salaries)
print(sum)

我们可以使用read_excel中的usecols参数，通过它指定我们需要读取数据的列，它接收字符串或者整数列表格式的数据，列表中列出我们想要取出数据的列的名称或者索引。

import pandas as pd
sheet = pd.read_excel(io="测试数据.xlsx", usecols=[2])
sheet

	工资
0	7653
1	8799
2	9800
3	12880
4	3600
5	3800
6	8976
7	12000
8	8900
9	7688
10	6712
11	9655
12	6854
13	8122
14	6788
15	8830

或者：

import pandas as pd
sheet = pd.read_excel(io="测试数据.xlsx", usecols=['工资'])
sheet

	工资
0	7653
1	8799
2	9800
3	12880
4	3600
5	3800
6	8976
7	12000
8	8900
9	7688
10	6712
11	9655
12	6854
13	8122
14	6788
15	8830

如果想在读取数据的时候，将原来的列的名字改成其他名字，则可以使用names参数指定为其他列名：

import pandas as pd
sheet = pd.read_excel(io="测试数据.xlsx", names=['name','age','salary'])
sheet

	name	age	salary
0	OLIVER.	23	7653
1	HARRY.	45	8799
2	GEORGE.	34	9800
3	NOAH.	54	12880
4	JACK.	34	3600
5	JACOB.	32	3800
6	MUHAMMAD.	51	8976
7	LEO.	46	12000
8	Harper.	42	8900
9	Evelyn.	38	7688
10	Ella.	33	6712
11	Avery.	26	9655
12	Scarlett.	37	6854
13	Madison.	41	8122
14	Lily.	54	6788
15	Eleanor.	28	8830

需要注意的是，此时，我们如果要对这个DataFrame进行操作，就需要使用新的列名了。如果我们想在取出工资数据的时候，以“￥12,345”的格式显示，则可以在获取数据的时候，就指定转换函数：

import pandas as pd
def formatsalary(num):
    return f"￥{format(num,',')}"

sheet = pd.read_excel(io="测试数据.xlsx", usecols=['工资'],converters={'工资':formatsalary})
sheet

	工资
0	￥7,653
1	￥8,799
2	￥9,800
3	￥12,880
4	￥3,600
5	￥3,800
6	￥8,976
7	￥12,000
8	￥8,900
9	￥7,688
10	￥6,712
11	￥9,655
12	￥6,854
13	￥8,122
14	￥6,788
15	￥8,830

上面通过converters指定了“工资”列，使用formatsalary函数来处理，所以取出来的数据就已经处理过的了。当然，我们也可以取出来后在对其进行格式化。其他的参数，大家可以自己进行试验。下面我们再来看一下，假设我要取出所有大于等于8000的工资，该如何进行处理呢？我们可以使用按照条件来获取DataFrame的行数据：

import pandas as pd
sheet = pd.read_excel(io="测试数据.xlsx", usecols=['工资'])
high_salary = sheet[sheet['工资'] >= 8000]
high_salary

	工资
1	8799
2	9800
3	12880
6	8976
7	12000
8	8900
11	9655
13	8122
15	8830

如果想取得工资大于等于8000小于等于10000的数据：

import pandas as pd
sheet = pd.read_excel(io="测试数据.xlsx")
high_salary = sheet[(sheet['工资'] >= 8000) & (sheet['工资'] <=10000)]
high_salary

	姓名	年龄	工资
1	HARRY.	45	8799
2	GEORGE.	34	9800
6	MUHAMMAD.	51	8976
8	Harper.	42	8900
11	Avery.	26	9655
13	Madison.	41	8122
15	Eleanor.	28	8830

如果只想显示符合条件的姓名和工资，则可以通过列表的方式指定要显示的列：

import pandas as pd
sheet = pd.read_excel(io="测试数据.xlsx")
high_salary = sheet[(sheet['工资'] >= 8000) & (sheet['工资'] <=10000)][['姓名','工资']]
high_salary

	姓名	工资
1	HARRY.	8799
2	GEORGE.	9800
6	MUHAMMAD.	8976
8	Harper.	8900
11	Avery.	9655
13	Madison.	8122
15	Eleanor.	8830

读取多个数据表

在上面的例子中，虽然在“测试数据.xlsx”文件中包含了两个数据表（sheet），但它只读取了第一个数据表的内容，如果我想把两个数据表数据都读取出来该怎么办呢？可以指定sheet_name参数，它接收字符串、数字、字符串或数字列表以及None。如果指定为None，则返回所有数据表数据。默认为0，即返回第一个数据表数据。

import pandas as pd
sheet = pd.read_excel(io="测试数据.xlsx", sheet_name=[0, 1])
sheet

{0:            姓名  年龄     工资
 0     OLIVER.  23   7653
 1      HARRY.  45   8799
 2     GEORGE.  34   9800
 3       NOAH.  54  12880
 4       JACK.  34   3600
 5      JACOB.  32   3800
 6   MUHAMMAD.  51   8976
 7        LEO.  46  12000
 8     Harper.  42   8900
 9     Evelyn.  38   7688
 10      Ella.  33   6712
 11     Avery.  26   9655
 12  Scarlett.  37   6854
 13   Madison.  41   8122
 14      Lily.  54   6788
 15   Eleanor.  28   8830,
 1:     姓名  年龄     工资
 0   张三  39  15000
 1   李四  43  16000
 2   李雷  25   6800
 3  韩梅梅  28  23000}

可以看到，得到了两个数据表的数据。此时要得到数据表中的数据，就需要先通过sheet[0]、sheet[1]得到第一个数据表的所有数据，再在这个数据表数据中对数据进行处理了，例如：

sheet[1]

	姓名	年龄	工资
0	张三	39	15000
1	李四	43	16000
2	李雷	25	6800
3	韩梅梅	28	23000

如果用的是数据表的名字，则应该写成sheet[‘甲公司’]。如果我们想把这两个数据表的数据合并到一起，可以使用pandas中的concat()函数：

import pandas as pd
sheet = pd.read_excel(io="测试数据.xlsx", sheet_name=[1, 0])
st = pd.concat(sheet,ignore_index = True)
st

	姓名	年龄	工资
0	张三	39	15000
1	李四	43	16000
2	李雷	25	6800
3	韩梅梅	28	23000
4	OLIVER.	23	7653
5	HARRY.	45	8799
6	GEORGE.	34	9800
7	NOAH.	54	12880
8	JACK.	34	3600
9	JACOB.	32	3800
10	MUHAMMAD.	51	8976
11	LEO.	46	12000
12	Harper.	42	8900
13	Evelyn.	38	7688
14	Ella.	33	6712
15	Avery.	26	9655
16	Scarlett.	37	6854
17	Madison.	41	8122
18	Lily.	54	6788
19	Eleanor.	28	8830

这里ignore_index的意思是忽略各自的索引，统一使用新的索引。

合并多个工作表

多个EXCECL合并到一个工作表中，Python来帮你实现

# -*- coding:utf-8 -*-
# @Address:https://beishan.blog.csdn.net/
# @Author:北山啦
import pandas as pd
import os
path = r"五省PM2.5\archive"
dfs,index = [],0
for i in os.listdir(path):
    dfs.append(pd.read_csv(os.path.join(path,i)))
    print(f"正在合并{index+1}工作表")
    index += 1
df = pd.concat(dfs)
df.to_csv("数据汇总.csv",index=False)

正在合并1工作表
正在合并2工作表
正在合并3工作表
正在合并4工作表
正在合并5工作表
正在合并6工作表
正在合并7工作表

写入Excel文件

可以将DataFrame数据写入到一个新的Excel文件中，例如，我们可以将上面合并的两个Excel数据表数据，写入到新的Excel文件中：

df = pd.DataFrame(st)
df.to_excel("合并工资报表.xlsx")

这里我们使用DataFrame上的to_excel()方法将数据写入到Excel文件中。它的原型是：to_excel(self, excel_writer, sheet_name=‘Sheet1’, na_rep=‘’, float_format=None, columns=None, header=True, index=True, index_label=None, startrow=0, startcol=0, engine=None, merge_cells=True, encoding=None, inf_rep=‘inf’, verbose=True, freeze_panes=None)，常用的参数说明：

excel_writer：需要指定一个写入的文件，可以是字符串或者ExcelWriter对象
sheet_name：写入的工作表名称，是一个字符串，默认为’Sheet1’
na_rep：当没有数据的时候，应该填入的默认值，默认为空字符串
float_format：浮点数格式，默认为None。可以按照float_format="%.2f"这样的方式指定
columns：指定写入的列名顺序，是一个列表。
header：是否有表头，默认为True，可以是布尔类型或者字符串列表。
index：是否加上行索引，默认为True。
index_label：索引标签，可以是字符串或者列表，默认为None。
startrow：插入数据的起始行，默认为0。
startcol：插入数据的其实列，默认0
engine：使用的写文件引擎，例如：‘openpyxl’ 、 ‘xlsxwriter’ 当然，我们也可以不限于将一个Excel表中的数据写入到另一个Excel文件，我们自己在程序中运行得到的数据，也可以将其组织成DataFrame后，写入到Excel文件中。

import pandas as pd
df = pd.DataFrame({'姓名':['李雷', '韩梅梅', '小明',
                           '张三', '李四', '王五'],
                  '年龄':[31, 22, 30, 49, 38, 33]})
df.to_excel("员工表.xlsx", sheet_name="202002入职")

看看是不是写入到文件了：

f = pd.read_excel("员工表.xlsx")
f

	Unnamed: 0	姓名	年龄
0	0	李雷	31
1	1	韩梅梅	22
2	2	小明	30
3	3	张三	49
4	4	李四	38
5	5	王五	33

可以看到，确实已经写入进去了。那如果要写多个数据到一个Excel文件的多个数据表（sheet）中，该怎么处理呢？此时可以使用下面的方法。

df1 = pd.DataFrame({'姓名':['李雷', '韩梅梅', '小明',
                           '张三', '李四', '王五'],
                  '年龄':[31, 22, 30, 49, 38, 33]})

df2 = pd.DataFrame({'Names': ['Andrew', 'Tomas', 'Larry',
                           'Sophie', 'Sally', 'Simone'],
                   'Age':[42, 37, 39, 35, 29, 27]})



dfs = {'国内员工':df1, '外籍员工':df2}
writer = pd.ExcelWriter('Employees.xlsx', engine='xlsxwriter')

for sheet_name in dfs.keys():
    dfs[sheet_name].to_excel(writer, sheet_name=sheet_name, index=False)
    
writer.save()

看看是不是已经写入到文件了：

sheet = pd.read_excel(io="Employees.xlsx", sheet_name=None)
sheet

{'国内员工':     姓名  年龄
 0   李雷  31
 1  韩梅梅  22
 2   小明  30
 3   张三  49
 4   李四  38
 5   王五  33,
 '外籍员工':     Names  Age
 0  Andrew   42
 1   Tomas   37
 2   Larry   39
 3  Sophie   35
 4   Sally   29
 5  Simone   27}

但是仔细看的话，会发现上面的外籍员工这个数据表，字段Names和Age反了，这是因为DataFrame自动按照字母顺序给我们排序了。要避免这种情况，需要在to_excel()中加上columns来指定表头字段顺序：

df1 = pd.DataFrame({'姓名':['李雷', '韩梅梅', '小明',
                           '张三', '李四', '王五'],
                  '年龄':[31, 22, 30, 49, 38, 33]})

df2 = pd.DataFrame({'Names': ['Andrew', 'Tomas', 'Larry',
                           'Sophie', 'Sally', 'Simone'],
                   'Age':[42, 37, 39, 35, 29, 27]})



dfs = {'国内员工':df1, '外籍员工':df2}
cols = {"国内员工":['姓名', '年龄'],"外籍员工":['Names','Age']}  # 指定列名顺序
writer = pd.ExcelWriter('Employees.xlsx', engine='xlsxwriter')

for sheet_name in dfs.keys():
    dfs[sheet_name].to_excel(writer, sheet_name=sheet_name, index=False, columns = cols[sheet_name])
    
writer.save()

再来看看现在是否正确：

sheet = pd.read_excel(io="Employees.xlsx", sheet_name=None)
sheet

{'国内员工':     姓名  年龄
 0   李雷  31
 1  韩梅梅  22
 2   小明  30
 3   张三  49
 4   李四  38
 5   王五  33,
 '外籍员工':     Names  Age
 0  Andrew   42
 1   Tomas   37
 2   Larry   39
 3  Sophie   35
 4   Sally   29
 5  Simone   27}

现在没问题了。还可以使用前面读写文件的时候的with … 这种方式。上面的方式，会覆盖原来的文件内容。如果要在原有的Excel表中加上一个新的数据表（sheet），可以通过下面的方式：

from openpyxl import load_workbook
book = load_workbook("Employees.xlsx")  # 加载原有的数据到Workbook

df3 = pd.DataFrame({'Names': ['Judy'],
                   'Age':[27]})

with pd.ExcelWriter('Employees.xlsx',
                    engine='openpyxl') as writer:  
    writer.book = book  # 让writer加入原来的两个workbook
    df3.to_excel(writer, sheet_name='候补员工', index=False, columns=['Names', 'Age'])
    writer.save()

import pandas as pd
sheet = pd.read_excel(io="Employees.xlsx", sheet_name=None)
sheet

{'国内员工':     姓名  年龄
 0   李雷  31
 1  韩梅梅  22
 2   小明  30
 3   张三  49
 4   李四  38
 5   王五  33,
 '外籍员工':     Names  Age
 0  Andrew   42
 1   Tomas   37
 2   Larry   39
 3  Sophie   35
 4   Sally   29
 5  Simone   27,
 '候补员工':   Names  Age
 0  Judy   27}

可以看到，在原来的Excel文件中，已经加入了“候补员工”这个数据表。加入需要在某个数据表中加入数据（append），可以使用下面方式：

from openpyxl import load_workbook
book = load_workbook("Employees.xlsx")  # 加载原有的数据到Workbook

df4 = pd.DataFrame({'Names': ['Moore'],
                   'Age':[38]})

with pd.ExcelWriter('Employees.xlsx',
                    engine='openpyxl') as writer:  
    writer.book = book  # 让writer加入原来的3个workbook
    writer.sheets = {ws.title: ws for ws in book.worksheets}
    start_row = writer.sheets['候补员工'].max_row
    df4.to_excel(writer, sheet_name='候补员工', index=False, columns=['Names', 'Age'], startrow=start_row,header=False)
    writer.save()

这里的要点是：使用startrow指定要插入数据的文字，这里还要注意我们是往某个已经存在的数据表插入数据，所以要指定正确的sheet_name，还有就是为了避免重复的表头，将header设置成False。

import pandas as pd
sheet = pd.read_excel(io="Employees.xlsx", sheet_name=None)
sheet

{'国内员工':     姓名  年龄
 0   李雷  31
 1  韩梅梅  22
 2   小明  30
 3   张三  49
 4   李四  38
 5   王五  33,
 '外籍员工':     Names  Age
 0  Andrew   42
 1   Tomas   37
 2   Larry   39
 3  Sophie   35
 4   Sally   29
 5  Simone   27,
 '候补员工':    Names  Age
 0   Judy   27
 1  Moore   38}

到这里就结束了，如果对你有帮助，欢迎点赞关注评论，你的点赞对我很重要。

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2022-05-18，如有侵权请联系 cloudcommunity@tencent.com 删除

python

本文分享自作者个人站点/博客前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

python