1.基础温故【Pandas】

1.1 创建文件

import pandas as pd

df = pd.DataFrame()

df.to_excel('001.xlsx') #可以指定路径

#df.to_excel('H:\\Anaconda\\001.xlsx')

df = pd.DataFrame({'id':[1,2,3],'name':['a','b','c']})

df.to_excel('001-data.xlsx')

df = pd.DataFrame({'id':[1,2,3],'name':['a','b','c']})

df = df.set_index('id')

df.to_excel('001-data-index.xlsx')

第一幅图索引默认在A列，通过set_index把ID设置为索引。

1.2 读取excel中的数据

脏数据处理：第一行错误数据，或者没有数据

import pandas as pd

people = pd.read_excel('people001.xlsx')

print(people.shape)

print(people.columns)

# 默认打印3行

print(people.head())

print(people.head(3))

# 默认打印5行

print(people.tail())

#脏数据处理：第一行错误数据，或者没有数据

#存在空行会自动识别并跳过，获取列名

people = pd.read_excel('people002.xlsx',header=1)

print(people.columns)

#脏数据处理：第一行没有列名，添加列名

people = pd.read_excel('people003.xlsx',header=None)

people.columns = ['ID', 'Type', 'Title', 'FirstName', 'MiddleName', 'LastName']

people = people.set_index('ID',inplace=True)

people.to_excel('output.xlsx')

其中在colums中是把列名和索引区别的，

people = people.set_index('ID',inplace=True)

#设置完index后，

print(people.columns)

#显示

'Type', 'Title', 'FirstName', 'MiddleName', 'LastName'

再次读取时：id还是会当作列

这时候在读取的时候需要设置index，即可。

import pandas as pd

people = pd.read_excel('people001.xlsx'，index_col="ID")

1.3 生成列、行、单元格（Series）

Series和python中的字典类似，下面是几种创建方法：

import pandas as pd

d = {

    'x':100,

    'y':200,

    'z':300,

}

print(d.values())

print(d.keys())

s1 = pd.Series(d)

print(s1.index)

L1 = [100,200,300]

L2 = ['x','y','z']

s2 = pd.Series(L1,index=L2)

print(s2.index)

s3 = pd.Series([100,200,300],index=['x','y','z'])

print(s3.index)

创建一个简单的列表：行列不同形式添加。

index是默认对齐的方式，如果不相同会用NaN填充。

1.4 自动填充功能【数据区域读取填充数字】

1.4.1 数值填充

原始数据：只有name（书名）进行填充数据

数据区域不是定格，无法自动识别

import pandas as pd

books = pd.read_excel('books.xlsx',skiprows=4,usecols='C:F',index_col=None)

#usecols='C,D,E,F',填充完再设置index_col

print(books)

#NaN填充的dtype是float64

import pandas as pd

books = pd.read_excel('books.xlsx',skiprows=4,usecols='C:F',index_col=None)

for i in books.index:

    books["ID"].at[i]=i+1

print(books)

为了显示为整型，先把类型设置为str

import pandas as pd

books = pd.read_excel('books.xlsx',skiprows=4,usecols='C:F',index_col=None,dtype={"ID":str,"InStore":str,"Date":str})

for i in books.index:

    books["ID"].at[i]=i+1

print(books)

import pandas as pd

books = pd.read_excel('books.xlsx',skiprows=4,usecols='C:F',index_col=None,dtype={"ID":str,"InStore":str,"Date":str})

for i in books.index:

    books["ID"].at[i]=i+1

    books["InStroe"].at[i]="yes" if i%2==0 else "no"

print(books)

import pandas as pd

from datetime import date, timedelta

books = pd.read_excel('books.xlsx',skiprows=4,usecols='C:F',index_col=None,dtype={"ID":str,"InStore":str,"Date":str})

start=date(2018,1,1)

for i in books.index:

    books["ID"].at[i]=i+1

    books["InStroe"].at[i]="yes" if i%2==0 else "no"

    books["Date"].at[i]=start+timedelta(days=i)  #没有年月 month year； 时分秒有

    #books["Date"].at[i]=date(start.year+i,start.month,start.day)

print(books)

月份相加需要计算一下，定义个子函数

import pandas as pd

from datetime import date, timedelta

def add_month[d, md):

    yd=md/12

    m=d.month+md%12

    if m!= 12:

        yd+=m/12

        m=m%12

    return date(d.year + yd,m, d.day)

books = pd.read_excel('books.xlsx',skiprows=4,usecols='C:F',index_col=None,dtype={"ID":str,"InStore":str,"Date":str})

start=date(2018,1,1)

for i in books.index:

    books["ID"].at[i]=i+1

    books["InStroe"].at[i]="yes" if i%2==0 else "no"

    books["Date"].at[i]=start+timedelta(days=i)  #没有年月 month year； 时分秒有

    #books["Date"].at[i]=date(start.year+i,start.month,start.day)

    #books["Date"].at[i]=add_month(start,i)

#print(books)

books.set_index("ID",inplace=True)

books.to_excel("output/xlsx")

还有一种写法不改series直接改单元格写法如下：

for i in books.index:

    booksat[i,"ID"]]=i+1

    books.at[i,"InStroe"]="yes" if i%2==0 else "no"

    books.at[i,"Date"]=start+timedelta(days=i)  #没有年月 month year； 时分秒有

    #books["Date"].at[i]=date(start.year+i,start.month,start.day)

    #books["Date"].at[i]=add_month(start,i)

#print(books)

1.4.2 计算填充（列操作）

列相乘，操作符重载【不用循环计算更方便】

循环：【不从头到尾计算，部分区域计算采用单元格计算】

价格加2 使用apply

lambda：

1.5 排序，多重排序

ascending默认从小到大排序：【true 从大到小 false从小到大】

1.6 数据筛选、过滤

找出年龄【18，30】分数【60，90】之间的

import pandas as pd

def validate_age(a):

    return 18 <= a <= 30  #pandas特有写法

def level_b(s):

    return 60 <= s < 90

students = pd.read_excel('Students.xlsx', index_col='ID')#id作为index

students = students.loc[students['Age'].apply(validate_age)].loc[students.Score.apply(level_b)]  # 两

种语法

students = students.loc[students.Age.apply(validate_age)].loc[students.Score.apply(level_b)]  # 两

种语法

print(students)

loc与iloc功能介绍:数据切片。通过索引来提取数据集中相应的行数据or列数据(可以是多行or多列)总结不同:
1. loc函数通过调用index名称的具体值来取数据
2. iloc函数通过行序号来取数据
3.取多行数据时iloc不包含末尾
4.对数据进行筛选使用loc函数，当使用loc函数时，如果index不具有特定意义，而且重复，那么提取的数据需要进一步处理,可用.reset index()函数重置index相同: .
5.【】中无逗号时，默认取行

筛选出来的结果：

           Name  Age  Score

ID

4   Student_004   27     73

8   Student_008   21     61

9   Student_009   18     85

19  Student_019   19     86

换一种写法：lambda

import pandas as pd

# def validate_age(a):

#     return 18 <= a <= 30

# def level_b(s):

#     return 60 <= s < 90

students = pd.read_excel('Students.xlsx', index_col='ID')

students = students.loc[students['Age'].apply(

    lambda a:18 <= a <= 30)] .loc[students.Score.apply(lambda s:60 <= s < 90)]  # 两种语法

print(students)

2.数据可视化

2.1 柱状图

Field	Number
Agriculture	12,318
Business and Management	200,312
Education	19,483
Engineering	216,932
Fine and Applied Arts	59,736
Health Professions	33,947
Humanities	17,664
Mathematics and Computer Sciences	141,651
Other/Unspecified Subject Areas	185,107
Physical and Life Sciences	75,385
Social Sciences	81,304

import pandas as pd

import matplotlib.pyplot as plt

students = pd.read_excel('Students1.xlsx')

students.sort_values(by='Number', inplace=True, ascending=False)

students.index = range(0, len(students))

print(students)

plt.bar(students['Field'], students['Number'], color='orange', width=0.7)#

plt.xticks(students['Field'], rotation='90') #rotation旋转

plt.title('International Student by Field', fontsize=16)

plt.xlabel('Field')

plt.ylabel('Number')

plt.tight_layout() #j紧凑型，避免下标显示不全

plt.show()

pandas中inplace参数在很多函数中都会有，它的作用是:是否在原对象基础上进行修改
inplace = True:不创建新的对象，直接对原始对象进行修改;
inplace = False:对数据进行修改，创建并返回新的对象承载其修改结果。
默认是False，即创建新的对象进行修改，原对象不变，和深复制和浅复制有些类似。

或者直接用pandas自带的：

import pandas as pd

import matplotlib.pyplot as plt

students = pd.read_excel('C:/Temp/Students.xlsx')

students.sort_values('Number', inplace=True, ascending=False)

print(students)

students.plot.bar(x='Field', y='Number', color='blue', title='International Students by Field')

plt.tight_layout()

plt.show()

2.2 分组柱图深度优化(比较图）

Field	2016	2017
Agriculture	12,318	12,602
Business and Management	200,312	200,754
Communications and Journalism	21,160	21,913
Education	19,483	17,993
Engineering	216,932	230,711
Fine and Applied Arts	59,736	61,506
Humanities	17,664	17,561
Intensive English	40,877	30,309
Legal Studies and Law Enforcement	15,077	15,306
Math and Computer Science	141,651	167,180
Physical and Life Sciences	75,385	76,838
Social Sciences	81,304	83,046
Other Fields of Study	81,318	87,577
Undeclared	26,675	21,131

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

students = pd.read_excel('Students2.xlsx')

students.sort_values(by='2017', inplace=True, ascending=False)

print(students)

students.plot.bar('Field', ['2016', '2017'], color=['orange', 'Red'])

plt.title('International Students by Field', fontsize=16,fontweight="bold")

plt.xlabel('Field', fontweight='bold')

plt.ylabel('Number', fontweight='bold')

plt.tight_layout()

ax = plt.gca() #坐标轴移动修改

ax.set_xticklabels(students['Field'], rotation=40, ha='right') #默认中心旋转

plt.gcf().subplots_adjust(left=0.2, bottom=0.42) #画布大小调整

plt.show()

推荐第一个

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

students = pd.read_excel('Students2.xlsx')

students.sort_values(by='2017', inplace=True, ascending=False)

students.index = range(0, len(students))

print(students)

bar_width = 0.7

x_pos = np.arange(len(students) * 2, step=2)

plt.bar(x_pos, students['2016'], color='green', width=bar_width)

plt.bar(x_pos + bar_width, students['2017'], color='blue', width=bar_width)

plt.legend()

plt.xticks(x_pos + bar_width / 2, students['Field'], rotation='90')

plt.title('International Student by Field', fontsize=16)

plt.xlabel('Field')

plt.ylabel('Number')

plt.tight_layout()

plt.show()

2.3 叠加柱状图

用户总量从大到小排序：

import pandas as pd

import matplotlib.pyplot as plt

users = pd.read_excel('Users.xlsx')

users['Total'] = users['Oct'] + users['Nov'] + users['Dec']

users.sort_values(by='Total', inplace=True, ascending=False)

print(users)

users.plot.bar(x='Name', y=['Oct', 'Nov', 'Dec'], stacked=True)

# users.plot.barh(x='Name', y=['Oct', 'Nov', 'Dec'], stacked=True)#水平柱状图堆积

plt.tight_layout()

plt.show()

users.sort_values(by='Total', inplace=True, ascending=Ture)

users.plot.barh(x='Name', y=['Oct', 'Nov', 'Dec'], stacked=True)#水平柱状图堆积

2.4 饼图

其中2016 2017是字符串，避免pandas误认为数字。

import pandas as pd

import matplotlib.pyplot as plt

students = pd.read_excel('Students3.xlsx', index_col='From')

print(students)

# counterclock顺逆时针，startangle开始点确认

students['2017'].plot.pie(fontsize=8, counterclock=False, startangle=-270)

plt.title('Source of International Students', fontsize=16, fontweight='bold')

plt.ylabel('2017', fontsize=12, fontweight='bold')

plt.show()

2.5 折现趋势图，叠加区域图

import pandas as pd

import matplotlib.pyplot as plt

weeks = pd.read_excel('Orders.xlsx', index_col='Week')

print(weeks)

weeks.plot(y=['Accessories', 'Bikes', 'Clothing', 'Components'])

weeks.plot.area(y=['Accessories', 'Bikes', 'Clothing', 'Components'])

plt.title('Sales Trends', fontsize=16, fontweight='bold')

plt.xticks(weeks.index, fontsize=8)

plt.show()

2.6 散点图直方图密度图

import pandas as pd

import matplotlib.pyplot as plt

pd.options.display.max_columns = 999#所有列都会显示

homes = pd.read_excel('home_data.xlsx')

# print(homes.head())

print(homes.corr())#相关性

homes.plot.scatter(x='sqft_living', y='price')

plt.figure()

homes.sqft_living.plot.kde() #密度图

plt.figure()

homes.sqft_living.plot.hist(bins=100) #区间设置

plt.xticks(range(0, max(homes.sqft_living), 500), fontsize=8, rotation=90) #面积

# homes.price.plot.hist(bins=200)

# plt.xticks(range(0, max(homes.price), 100000), fontsize=8, rotation=90)  #房价

plt.show()

密度图：

Python自动化办公--Pandas玩转Excel【一】的更多相关文章

Python数据分析：pandas玩转Excel （二）
1 对Excel文件的操作方法一: 使用xlrd库或者xlwt库进行对excel表格的操作读与写: 方法二: pandas库同样支持excel的读写操作:且更加简便. 2 pd.read_excel ...
Python数据分析：pandas玩转Excel （一）
目录 1 pandas简介 2 导入 3 使用 4 读取.写入 1 pandas简介 1.Pandas是什么? Pandas是一个强大的分析结构化数据的工具集: 它的使用基础是Numpy(提供高性能的 ...
Python数据分析：pandas玩转Excel（三）
将对象写入Excel工作表. 要将单个对象写入 Excel .xlsx 文件,只需指定目标文件名即可.要写入多个工作表,必须创建具有目标文件名的ExcelWriter对象,并在文件中指定要写入的工作表 ...
Python自动化办公知识点整理汇总
知乎上有人提问:用python进行办公自动化都需要学习什么知识呢? 很多人学习python,不知道从何学起.很多人学习python,掌握了基本语法过后,不知道在哪里寻找案例上手.很多已经做案例的人,却 ...
20210105 - python自动化办公简介
新的一年开始了, 计划每周至少更新三篇博客. 人生苦短,如果不做改变,人生很快会过去!2021年寻求改变,加油! python自动化办公: 1.相关工具与环境的安装概要: 需要用到python(一种开 ...
Python自动化办公：将文本文档内容批量分类导入Excel表格
序言 (https://jq.qq.com/?_wv=1027&k=GmeRhIX0) 它来了,它又来了. 本文实现用Python将文本文件自动保存到Excel表格里面去. 需求将锦江区.t ...
Python自动化办公：27行代码实现将多个Excel表格内容批量汇总合并到一个表格
序言 (https://jq.qq.com/?_wv=1027&k=GmeRhIX0) 老板最近越来越过分了,快下班了发给我几百个表格让我把内容合并到一个表格内去.还好我会Python,分分钟 ...
Python自动化办公之操作Excel文件
模块导入 import openpyxl 读取Excel文件打开Excel文件 workbook = openpyxl.load_workbook("test.xlsx") 输出 ...
《Python编程快速上手 —让繁琐工作自动化》|百度网盘免费下载|Python自动化办公
Python编程快速上手—让繁琐工作自动化提取码:u8vj 如今,人们面临的大多数任务都可以通过编写计算机软件来完成. Python 是一种解释型.面向对象.动态数据类型的高级程序设计语言.通过 P ...
Python自动化办公第三方库xlwt
Python向excel表格写入内容,首先安装第三方库: pip3 install xlwt 代码实例(结合xlrd): #!usr/bin/env python3 #!-*-coding=utf-8 ...

随机推荐

git clone克隆速度慢的解决办法
平常我们经常会遇到github的访问或者clone项目很慢甚至于无法访问,那么这个时候我们经常做的事情是修改hosts会比较多一些或者使用github的镜像站. 一.更改hosts文件的方式常用的在 ...
mac下python3.7安装mysqlclient出错解决
错误信息 Building wheel for mysqlclient (setup.py) ... error ERROR: Command errored out with exit status ...
初识QT、窗口以及信号槽
1 基本规范: 无论是写什么样的代码,第一步都应该是创建一个程序对象 #include <QApplication> int main(int argc, char *argv[]) { ...
白嫖：GPT-4
众所周知,GPT-4需要充OpenAI 的 Plus才能使用,Plus则需要每月20美金. 很多同学很想体验GPT-4,但一方面不想花钱,一方面想花也没那么容易花出去(懂的都懂) 我看到有人分享可以免 ...
Java 剑指offer(16) 打印1到最大的n位数
题目输入数字n,按顺序打印出从1最大的n位十进制数.比如输入3,则打印出1.2.3一直到最大的3位数即999. 思路陷阱: n过大时是大数问题,不能简单用int或者long数据输出,需要采用字符串 ...
项目API请求模块封装
8. exporter
一.已经实现的收集器 1.1 可收集的内存指标 1.2 可收集的jetty指标二.自定义收集 2.1 summer 2.2 histogram 三.架构设计 exporter作为Prometheus ...
SD协议-基本概念
1.SD协议版本 SD 1.1 SD 2.0 SD 3.0 在看协议的时候,需要注意协议的版本,注意版本之间的差别 SD协议是常见的数据通信和存储卡之间的协议 HDMI是显示相关的协议,遵循HDMI协 ...
在虚拟机（Linux）中Docker中部署Nginx成功，但是在宿主机无法访问Nginx站点？
1.问题本文是基于黑马程序员Docker基础--常见命令一课中部署Nginx时遇到的问题作出解答. 在虚拟机(Linux)中Docker中部署Nginx成功,但是在宿主机无法访问Nginx站点如图 ...
HttpClient获取不到最新的系统代理
默认情况下,HttpClient是默认采用系统代理,但是,如果你在程序运行过程中,手动修改系统代理,对于HttpClient是无效的,它依然会用老的代理去访问. 解决方法使用下面的代码,你可以自己实 ...

Python自动化办公--Pandas玩转Excel【一】