【Python】Python读写.xlsx文件（Pandas）
文章目录
- 【Python】Python读写.xlsx文件（Pandas）
- 1. 介绍
- 2. Pandas读写xlsx文件
- 2.1 基本操作
- 2.1.1 实现任务
- 2.1.2 代码
- 2.1.3 结果
- 2.2 进阶操作
- 2.2.1 写操作
- 2.2.2 查看数据表的基本信息
- 2.2.2 空值的与缺失值（NAN、NAT）
- 2.2.3 数据清洗
- 3. 参考
1. 介绍
本文介绍如何使用使用 pandas 库来读取xlsx文件中的数据。
- 需要安装openpyxl库才可以读取xlsx文件，使用pip install openpyxl。
- 当然也可以用其他的库，比如openpyxl、xlrd，可以参考：
- https://blog.csdn.net/moasad/article/details/120120673
- https://blog.csdn.net/liuyingying0418/article/details/101066630
2. Pandas读写xlsx文件
2.1 基本操作
2.1.1 实现任务
-
读取前n行数据
-
读取指定数据（指定行指定列）
-
获取文件行号和列标题
-
将数据转换为字典形式
-
原数据：
2.1.2 代码
import pandas as pd
#1.读取前n行所有数据
df1=pd.read_excel('d1.xlsx')#读取xlsx中的第一个sheet
data1=df1.head(10)#读取前10行所有数据
data2=df1.values#list【】 相当于一个矩阵，以行为单位
#data2=df.values() 报错：TypeError: 'numpy.ndarray' object is not callable
print("获取到所有的值：\n{0}".format(data1))#格式化输出
print("获取到所有的值：\n{0}".format(data2))
#2.读取特定行特定列
data3=df1.iloc[0].values#读取第一行所有数据
data4=df1.iloc[1,1]#读取指定行列位置数据：读取（1，1）位置的数据
data5=df1.iloc[[1,2]].values#读取指定多行：读取第一行和第二行所有数据
data6=df1.iloc[:,[0]].values#读取指定列的所有行数据：读取第一列所有数据
print("数据：\n{0}".format(data3))
print("数据：\n{0}".format(data4))
print("数据：\n{0}".format(data5))
print("数据：\n{0}".format(data6))
#3.获取xlsx文件行号、列号
print("输出行号列表{}".format(df1.index.values))#获取所有行的编号：0、1、2、3、4
print("输出列标题{}".format(df1.columns.values))#也就是每列的第一个元素
#4.将xlsx数据转换为字典
data=[]
for i in df1.index.values:#获取行号的索引，并对其遍历
#根据i来获取每一行指定的数据，并用to_dict转成字典
row_data=df1.loc[i,['id','name','class','data','score',]].to_dict()
data.append(row_data)
print("最终获取到的数据是：{0}".format(data))
#iloc和loc的区别：iloc根据行号来索引，loc根据index来索引。
#所以1，2，3应该用iloc，4应该有loc
2.1.3 结果
2.2 进阶操作
准备工作（导入包、数据）
#导入必备数据分析库
import pandas as pd
import numpy as np
#导入excel数据文件
df = pd.DataFrame(pd.read_excel("TMao.xlsx"))
#导入csv数据文件
# df = pd.DataFrame(pd.read_csv("Attributes.csv",header=1,sep=',')) #表示第一行为字段名
2.2.1 写操作
df2.to_excel(writer, ‘Sheet’, index=False)
# 任务：输出满足成绩大于等于90的数据
writer = pd.ExcelWriter('C:/Users/enuit/Desktop/out_test.xlsx')
temp = []
for i in range(len(df.index.values)):
if df.iloc[i, 3] >= 90:
temp.append(df.iloc[i].values)
df2 = pd.DataFrame(data=temp, columns=df.columns.values)
# 不写index会输出索引
df2.to_excel(writer, 'Sheet', index=False)
writer.save()
2.2.2 查看数据表的基本信息
根据需要对数据进行总体上的查看，建议不要全部执行，而是一条一条依次执行查看效果。
#维度查看：返回几行几列，注意不要加()
df.shape
#查看列名称：类似于SQL中的desc
df.columns
#数据表基本信息（维度、列名称、数据格式、所占空间等）
df.info
#查看每一列数据的格式
df.dtypes
#某一列数据的格式
df['订单付款时间'].dtype
df['订单金额'].dtype
2.2.2 空值的与缺失值（NAN、NAT）
- 空值：在pandas中的空值是””，也叫空字符串；
- 缺失值：在dataframe中为NAN或者NAT（缺失时间），在series中为none或者nan
1）查看所有值是否为空值
- （所有值全部列出来，不实用的操作，这里简单介绍一下用法）
#查看是否为空值
df.isnull()
#某一列的空值
df["订单付款时间"].isnull()
2）判断是否存在空值
# 查看所有值中是否存在空值
df.isnull().any()
# 判断某列是否存在空值
df["订单付款时间"].isnull().any() #或者.values
# 打印空值行的数据
if df["订单付款时间"].isnull().any():
print(df[df.isnull().values==True])
print(df[df.isna().values==True])
3）唯一值查看
#查看某一列的唯一值
df["订单金额"].unique()
#查看数据表的值
df.values
#查看前几行/后几行的数据
df.head() #默认前5行
df.tail(10) #指定数值10，查看后10行的数据
2.2.3 数据清洗
1）空值的处理
- （1）删除含有空值的行或列：用dropna()时可以同时剔除Nan和NaT
- axis:维度，axis=0表示index行,axis=1表示columns列，默认为0
- how:”all”表示这一行或列中的元素全部缺失（为nan）才删除这一行或列，”any”表示这一行或列中只要有元素缺失，就删除这一行或列
- thresh:一行或一列中至少出现了thresh个才删除。
- subset：在某些列的子集中选择出现了缺失值的列删除，不在子集中的含有缺失值得列或行不会删除（有axis决定是行还是列）
- inplace：刷选过缺失值得新数据是存为副本还是直接在原数据上进行修改。
# 准备工作
df.isnull().any() #查看哪一列有空值，发现是<订单付款时间>列
print(df[df['订单付款时间'].isna().values==True]) #输出<订单付款时间>列存在空值的行
#清洗空值
df2 = df.dropna(axis=0,how='any',thresh=None,subset=None,inplace=False) #删除含有空值的行或列
df2['订单付款时间'].isna().any() #查看是否还存在空值
#再次查看
df2.shape
- （2）若发现dropna()后仍然存在空值，则有可能其中并不是空值，而是空字符串，这里就可以将空字符串替换成空值再进行dropna()操作
df.replace(to_replace=r'^\s*$',value=np.nan,regex=True,inplace=True)
df['订单付款时间'].dropna()
- （3）填充含有空值的行或列（ffill / bfill）
- value:需要用什么值去填充缺失值
- axis:确定填充维度，从行开始或是从列开始
- method：ffill:用缺失值前面的一个值代替缺失值，如果axis=1，那么就是横向的前面的值替换后面的缺失值，如果axis=0，那么则是上面的值替换下面的缺失值。backfill/bfill，缺失值后面的一个值代替前面的缺失值。注意这个参数不能与value同时出现
- limit:确定填充的个数，如果limit=2，则只填充两个缺失值。
df.isna().any() #查看原数据表是否存在空值
df3 = df.fillna(method='ffill',axis=0,inplace=False,limit=None,downcast=None)
df3.isna().any() #查看填充后的数据表是否存在空值
#用均值填充空值（mean方法）
df['订单金额'].fillna(df[订单金额].mean())
2）格式转换
- （1）清除空格字符strip：调用map函数对str对象进行空格去除，若去除逗号可以用map(str.strip(‘,’))
df['收货地址']=df['收货地址'].map(str.strip())
- （2）大小写转换lower/upper
df['编码']=df['编码'].strip().lower() #大写同理，upper()
- （3）更改数据格式astype
df['订单金额'].astype('int') #int整数类型，同理float浮点型
3）更改列名即字段名
df.rename(columns={'实付金额':'实付'}) #把实付金额，改成 实付
4）保留一个重复值
df['收货地址'].drop_duplicates() #删除列中后出现的值
df['收货地址'].drop_duplicates(keep='last') #删除列中先出现的值，即保留最后一个值
5）数据替换
把收货地址中的 四川 改为 四川省
df['收货地址'].replace('四川', '四川省')
3. 参考
【1】https://blog.csdn.net/RitaAndWakaka/article/details/108366203
【2】https://blog.csdn.net/Viewinfinitely/article/details/124728721
文章出处登录后可见！
已经登录？立即刷新
