我通宵翻译Pandas官方文档，写了这一份Excel万字肝货操作！

本文翻译自Pandas官方文档！

由于许多潜在的 Pandas 用户对 Excel 电子表格有一定的了解，因此本页旨在提供一些案例，说明如何使用 Pandas 执行各Excel电子表格的各种操作。

如果您不熟悉 Pandas，您可能需要先阅读 10 Minutes的官方文档，以熟悉该库。

按照惯例，我们按如下方式，导入 pandas 和 NumPy：

import pandas as pd import numpy as np

数据结构

Pandas 中的 DataFrame 类似于 Excel 工作表。 虽然 Excel 工作簿可以包含多个工作表，但 Pandas DataFrames 独立存在。

序列是表示 DataFrame 的一列的数据结构。 使用序列类似于引用电子表格的列。

每个 DataFrame 和 Series 都有一个索引，它们是数据行上的标签。 在 Pandas 中，如果未指定索引，则默认使用 RangeIndex（第一行 = 0，第二行 = 1，依此类推），类似于电子表格中的行标题/数字。

在 Pandas 中，索引可以设置为一个（或多个）唯一值，这就像在工作表中有一列用作行标识符一样。 与大多数电子表格不同，这些索引值实际上可用于引用行。 （请注意，这可以在带有结构化引用的 Excel 中完成。）例如，在电子表格中，您可以将第一行引用为 A1:Z1，而在 Pandas 中，您可以使用population.loc[‘Chicago’]。

索引值也是持久的，所以如果你对 DataFrame 中的行重新排序，特定行的标签不会改变。

大多数 Pandas 操作返回 Series/DataFrame 的副本。 要使更改“保持不变”，您需要分配给一个新变量。

sorted_df = df.sort_values("col1")

或覆盖原来的。

df = df.sort_values("col1")

如果您想就地操作，您将看到某些方法可用的 inplace=True 关键字参数。

df.sort_values("col1", inplace=True)

数据输入和输出

在Excel电子表格中，值可以直接输入到单元格中。

我们可以用多种不同的方式构建一个DataFrame，但对于少量的值，通常将其指定为 Python 字典会很方便，其中键是列名，值是数据。

df = pd.DataFrame({"x": [1, 3, 5], "y": [2, 4, 6]}) df

结果如下：

Excel 和 pandas 都可以从各种来源以各种格式导入数据。

让我们从 Pandas 测试中加载并显示提示数据集，这是一个 CSV 文件。 在 Excel 中，您将下载并打开 CSV。 在 pandas 中，您将 CSV 文件的 URL 或本地路径传递给 read_csv()。

url = ("https://raw.github.com/pandas-dev/pandas/master/pandas/tests/io/data/csv/tips.csv") tips = pd.read_csv(url) tips

结果如下：

与 Excel 的文本导入向导一样，read_csv 可以采用多个参数来指定应如何解析数据。 例如，如果数据改为制表符分隔，并且没有列名，pandas 命令将是：

tips = pd.read_csv("tips.csv", sep="\t", header=None) # 或者，read_table 是带有制表符分隔符的 read_csv 的别名 tips = pd.read_table("tips.csv", header=None)

Excel 通过双击或使用打开菜单打开各种 Excel 文件格式。 在 Pandas 中，您使用特殊方法从/向 Excel 文件读取和写入。

让我们首先基于上面示例中的数据框，创建一个新的 Excel 文件。

tips.to_excel("./tips.xlsx")

如果您希望随后访问 tips.xlsx 文件中的数据，您可以使用以下命令将其读入您的模块。

tips_df = pd.read_excel("./tips.xlsx", index_col=0)

您刚刚就使用 Pandas 读取了 Excel 文件！

Excel电子表格程序一次只显示一屏数据，然后允许您滚动，因此实际上没有必要限制输出。 在 Pandas 中，您需要更多地考虑控制 DataFrame 的显示方式。

默认情况下，pandas 会截断大型 DataFrame 的输出以显示第一行和最后一行。 这可以通过更改 pandas 选项或使用 DataFrame.head() 或 DataFrame.tail() 来覆盖。

tips.head(5)

结果如下：

默认情况下，桌面电子表格软件将保存为其各自的文件格式（.xlsx、.ods 等）。 但是，您可以保存为其他文件格式。

pandas 可以创建 Excel 文件、CSV 或许多其他格式。

数据操作

在电子表格中，公式通常在单个单元格中创建，然后拖入其他单元格以计算其他列的公式。 在 Pandas 中，您可以直接对整列进行操作。

pandas 通过在 DataFrame 中指定单个系列来提供矢量化操作。 可以以相同的方式分配新列。 DataFrame.drop() 方法从 DataFrame 中删除一列。

tips["total_bill"] = tips["total_bill"] - 2 tips["new_bill"] = tips["total_bill"] / 2 tips

结果如下：

请注意，我们不必告诉它逐个单元地进行减法——pandas 会为我们处理。

在 Excel 中，过滤是通过图形菜单完成的。

可以通过多种方式过滤数据框，其中最直观的是使用布尔索引。

tips[tips["total_bill"] > 10]

结果如下：

上面的语句只是将一系列 True/False 对象传递给 DataFrame，返回所有带有 True 的行。

is_dinner = tips["time"] == "Dinner" is_dinner.value_counts() tips[is_dinner]

结果如下：

假设我们想要根据 total_bill 是小于还是大于 10 美元，来创建一个具有低值和高值的列。

在Excel电子表格中，可以使用条件公式进行逻辑比较。 我们将使用 =IF(A2 < 10, "low", "high")的公式，将其拖到新存储列中的所有单元格。

使用 numpy 中的 where 方法可以完成 Pandas 中的相同操作。

tips["bucket"] = np.where(tips["total_bill"] < 10, "low", "high") tips

结果如下：

本节将提到“日期”，但时间戳的处理方式类似。

我们可以将日期功能分为两部分：解析和输出。 在Excel电子表格中，日期值通常会自动解析，但如果您需要，还有一个 DATEVALUE 函数。 在 Pandas 中，您需要在从 CSV 读取时或在 DataFrame 中读取一次时，将纯文本显式转换为日期时间对象。

解析后，Excel电子表格以默认格式显示日期，但格式可以更改。 在 Pandas 中，您通常希望在使用日期进行计算时将日期保留为日期时间对象。 输出部分日期（例如年份）是通过电子表格中的日期函数和 Pandas 中的日期时间属性完成的。

给定电子表格 A 列和 B 列中的 date1 和 date2，您可能有以下公式：

等效的Pandas操作如下所示。

tips["date1"] = pd.Timestamp("2013-01-15") tips["date2"] = pd.Timestamp("2015-02-15") tips["date1_year"] = tips["date1"].dt.year tips["date2_month"] = tips["date2"].dt.month tips["date1_next"] = tips["date1"] + pd.offsets.MonthBegin() tips["months_between"] = tips["date2"].dt.to_period("M") - tips["date1"].dt.to_period("M") tips[["date1", "date2", "date1_year", "date2_month", "date1_next", "months_between"]]

结果如下：

在Excel电子表格中，您可以通过以下方式选择所需的列：

隐藏列；

删除列；

引用从一个工作表到另一个工作表的范围；

由于Excel电子表格列通常在标题行中命名，因此重命名列只需更改第一个单元格中的文本即可。

相同的操作在下面的Pandas中表示。

tips[["sex", "total_bill", "tip"]]

结果如下：

tips.drop("sex", axis=1)

结果如下：

tips.rename(columns={"total_bill": "total_bill_2"})

结果如下：

Excel电子表格中的排序，是通过排序对话框完成的。

pandas 有一个 DataFrame.sort_values() 方法，它需要一个列列表来排序。

tips = tips.sort_values(["sex", "total_bill"]) tips

结果如下：

字符串处理

在电子表格中，可以使用 LEN 函数找到文本中的字符数。 这可以与 TRIM 函数一起使用以删除额外的空格。

=LEN(TRIM(A2))

您可以使用 Series.str.len() 找到字符串的长度。 在 Python 3 中，所有字符串都是 Unicode 字符串。 len 包括尾随空格。 使用 len 和 rstrip 排除尾随空白。

tips["time"].str.len() tips["time"].str.rstrip().str.len()

结果如下：

请注意，这仍然会在字符串中包含多个空格，因此不是 100% 等效的。

FIND电子表格函数返回子字符串的位置，第一个字符为 1。

您可以使用 Series.str.find() 方法查找字符串列中字符的位置。 find 搜索子字符串的第一个位置。 如果找到子字符串，则该方法返回其位置。 如果未找到，则返回 -1。 请记住，Python 索引是从零开始的。

tips["sex"].str.find("ale")

结果如下：

电子表格有一个 MID 公式，用于从给定位置提取子字符串。 获取第一个字符：

=MID(A2,1,1)

使用 Pandas，您可以使用 [] 表示法按位置位置从字符串中提取子字符串。 请记住，Python 索引是从零开始的。

tips["sex"].str[0:1]

结果如下：

在 Excel 中，您可以使用文本到列向导来拆分文本和检索特定列。 （请注意，也可以通过公式来做到这一点。）

在 Pandas 中提取单词最简单的方法是用空格分割字符串，然后按索引引用单词。 请注意，如果您需要，还有更强大的方法。

firstlast = pd.DataFrame({"String": ["John Smith", "Jane Cook"]}) firstlast["First_Name"] = firstlast["String"].str.split(" ", expand=True)[0] firstlast["Last_Name"] = firstlast["String"].str.rsplit(" ", expand=True)[0] firstlast

结果如下：

Excel电子表格提供 UPPER、LOWER 和 PROPER 函数，分别用于将文本转换为大写、小写和标题大小写。

等效的 Pandas 方法是 Series.str.upper()、Series.str.lower() 和 Series.str.title()。

firstlast = pd.DataFrame({"string": ["John Smith", "Jane Cook"]}) firstlast["upper"] = firstlast["string"].str.upper() firstlast["lower"] = firstlast["string"].str.lower() firstlast["title"] = firstlast["string"].str.title() firstlast

结果如下：

合并

合并示例中将使用以下表格：

df1 = pd.DataFrame({"key": ["A", "B", "C", "D"], "value": np.random.randn(4)}) df2 = pd.DataFrame({"key": ["B", "D", "D", "E"], "value": np.random.randn(4)})

结果如下：

在 Excel 中，可以通过 VLOOKUP 完成表格的合并。

pandas DataFrames 有一个 merge() 方法，它提供了类似的功能。 数据不必提前排序，不同的连接类型是通过 how 关键字完成的。

inner_join = df1.merge(df2, on=["key"], how="inner") left_join = df1.merge(df2, on=["key"], how="left") right_join = df1.merge(df2, on=["key"], how="right") outer_join = df1.merge(df2, on=["key"], how="outer")

结果如下：

与 VLOOKUP 相比，merge 有许多优点：

查找值不需要是查找表的第一列；

如果匹配多行，则每个匹配都会有一行，而不仅仅是第一行；

它将包括查找表中的所有列，而不仅仅是单个指定的列；

它支持更复杂的连接操作；

其他注意事项

在一组特定的单元格中按照设定的模式创建一系列数字。 在电子表格中，这将在输入第一个数字后通过 shift+drag 或通过输入前两个或三个值然后拖动来完成。

这可以通过创建一个系列并将其分配给所需的单元格来实现。

df = pd.DataFrame({"AAA": [1] * 8, "BBB": list(range(0, 8))}) series = list(range(1, 5)) df.loc[2:5, "AAA"] = series df

结果如下：

Excel 具有删除重复值的内置功能。 熊猫通过 drop_duplicates() 支持这一点。

df = pd.DataFrame({ "class": ["A", "A", "A", "B", "C", "D"], "student_count": [42, 35, 42, 50, 47, 45], "all_pass": ["Yes", "Yes", "Yes", "No", "No", "Yes"]}) df.drop_duplicates() df.drop_duplicates(["class", "student_count"])

结果如下：

电子表格中的数据透视表可以通过重塑和数据透视表在 Pandas 中复制。 再次使用提示数据集，让我们根据聚会的规模和服务器的性别找到平均小费。

在 Excel 中，我们对数据透视表使用以下配置：

等效的Pandas代码。

pd.pivot_table( tips, values="tip", index=["size"], columns=["sex"], aggfunc=np.average)

结果如下：

假设我们使用 RangeIndex（编号为 0、1 等），我们可以使用 DataFrame.append() 在 DataFrame 的底部添加一行。

df new_row = {"class": "E", "student_count": 51, "all_pass": True} df.append(new_row, ignore_index=True)

结果如下：

Excel 查找对话框将您带到匹配的单元格。 在 Pandas 中，这个操作一般是通过条件表达式一次对整个列或 DataFrame 完成。

tips tips == "Sun" tips["day"].str.contains("S")

结果如下：

pandas 的 replace() 相当于 Excel 的 Replace All。

tips.replace("Thu", "Thursday")

结果如下：

Python

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。