我通宵翻譯Pandas官方文檔，寫了這一份Excel萬字肝貨操作！

本文翻譯自Pandas官方文檔！

由于許多潛在的 Pandas 用戶對 Excel 電子表格有一定的了解，因此本頁旨在提供一些案例，說明如何使用 Pandas 執行各Excel電子表格的各種操作。

如果您不熟悉 Pandas，您可能需要先閱讀 10 Minutes的官方文檔，以熟悉該庫。

按照慣例，我們按如下方式，導入 pandas 和 NumPy：

import pandas as pd import numpy as np

數據結構

Pandas 中的 DataFrame 類似于 Excel 工作表。 雖然 Excel 工作簿可以包含多個工作表，但 Pandas DataFrames 獨立存在。

序列是表示 DataFrame 的一列的數據結構。 使用序列類似于引用電子表格的列。

每個 DataFrame 和 Series 都有一個索引，它們是數據行上的標簽。 在 Pandas 中，如果未指定索引，則默認使用 RangeIndex（第一行 = 0，第二行 = 1，依此類推），類似于電子表格中的行標題/數字。

在 Pandas 中，索引可以設置為一個（或多個）唯一值，這就像在工作表中有一列用作行標識符一樣。 與大多數電子表格不同，這些索引值實際上可用于引用行。 （請注意，這可以在帶有結構化引用的 Excel 中完成。）例如，在電子表格中，您可以將第一行引用為 A1:Z1，而在 Pandas 中，您可以使用population.loc[‘Chicago’]。

索引值也是持久的，所以如果你對 DataFrame 中的行重新排序，特定行的標簽不會改變。

大多數 Pandas 操作返回 Series/DataFrame 的副本。 要使更改“保持不變”，您需要分配給一個新變量。

sorted_df = df.sort_values("col1")

或覆蓋原來的。

df = df.sort_values("col1")

如果您想就地操作，您將看到某些方法可用的 inplace=True 關鍵字參數。

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

數據輸入和輸出

在Excel電子表格中，值可以直接輸入到單元格中。

我們可以用多種不同的方式構建一個DataFrame，但對于少量的值，通常將其指定為 Python 字典會很方便，其中鍵是列名，值是數據。

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

結果如下：

Excel 和 pandas 都可以從各種來源以各種格式導入數據。

讓我們從 Pandas 測試中加載并顯示提示數據集，這是一個 CSV 文件。 在 Excel 中，您將下載并打開 CSV。 在 pandas 中，您將 CSV 文件的 URL 或本地路徑傳遞給 read_csv()。

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

結果如下：

與 Excel 的文本導入向導一樣，read_csv 可以采用多個參數來指定應如何解析數據。 例如，如果數據改為制表符分隔，并且沒有列名，pandas 命令將是：

tips = pd.read_csv("tips.csv", sep="\t", header=None) # 或者，read_table 是帶有制表符分隔符的 read_csv 的別名 tips = pd.read_table("tips.csv", header=None)

Excel 通過雙擊或使用打開菜單打開各種 Excel 文件格式。 在 Pandas 中，您使用特殊方法從/向 Excel 文件讀取和寫入。

讓我們首先基于上面示例中的數據框，創建一個新的 Excel 文件。

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

如果您希望隨后訪問 tips.xlsx 文件中的數據，您可以使用以下命令將其讀入您的模塊。

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

您剛剛就使用 Pandas 讀取了 Excel 文件！

Excel電子表格程序一次只顯示一屏數據，然后允許您滾動，因此實際上沒有必要限制輸出。 在 Pandas 中，您需要更多地考慮控制 DataFrame 的顯示方式。

默認情況下，pandas 會截斷大型 DataFrame 的輸出以顯示第一行和最后一行。 這可以通過更改 pandas 選項或使用 DataFrame.head() 或 DataFrame.tail() 來覆蓋。

tips.head(5)

結果如下：

默認情況下，桌面電子表格軟件將保存為其各自的文件格式（.xlsx、.ods 等）。 但是，您可以保存為其他文件格式。

pandas 可以創建 Excel 文件、CSV 或許多其他格式。

數據操作

在電子表格中，公式通常在單個單元格中創建，然后拖入其他單元格以計算其他列的公式。 在 Pandas 中，您可以直接對整列進行操作。

pandas 通過在 DataFrame 中指定單個系列來提供矢量化操作。 可以以相同的方式分配新列。 DataFrame.drop() 方法從 DataFrame 中刪除一列。

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

結果如下：

請注意，我們不必告訴它逐個單元地進行減法——pandas 會為我們處理。

在 Excel 中，過濾是通過圖形菜單完成的。

可以通過多種方式過濾數據框，其中最直觀的是使用布爾索引。

tips[tips["total_bill"] > 10]

結果如下：

上面的語句只是將一系列 True/False 對象傳遞給 DataFrame，返回所有帶有 True 的行。

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

結果如下：

假設我們想要根據 total_bill 是小于還是大于 10 美元，來創建一個具有低值和高值的列。

在Excel電子表格中，可以使用條件公式進行邏輯比較。 我們將使用 =IF(A2 < 10, "low", "high")的公式，將其拖到新存儲列中的所有單元格。

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

結果如下：

本節將提到“日期”，但時間戳的處理方式類似。

我們可以將日期功能分為兩部分：解析和輸出。 在Excel電子表格中，日期值通常會自動解析，但如果您需要，還有一個 DATEVALUE 函數。 在 Pandas 中，您需要在從 CSV 讀取時或在 DataFrame 中讀取一次時，將純文本顯式轉換為日期時間對象。

解析后，Excel電子表格以默認格式顯示日期，但格式可以更改。 在 Pandas 中，您通常希望在使用日期進行計算時將日期保留為日期時間對象。 輸出部分日期（例如年份）是通過電子表格中的日期函數和 Pandas 中的日期時間屬性完成的。

給定電子表格 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"]]

結果如下：

在Excel電子表格中，您可以通過以下方式選擇所需的列：

隱藏列；

刪除列；

引用從一個工作表到另一個工作表的范圍；

由于Excel電子表格列通常在標題行中命名，因此重命名列只需更改第一個單元格中的文本即可。

相同的操作在下面的Pandas中表示。

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

結果如下：

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

結果如下：

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

結果如下：

Excel電子表格中的排序，是通過排序對話框完成的。

pandas 有一個 DataFrame.sort_values() 方法，它需要一個列列表來排序。

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

結果如下：

字符串處理

在電子表格中，可以使用 LEN 函數找到文本中的字符數。 這可以與 TRIM 函數一起使用以刪除額外的空格。

=LEN(TRIM(A2))

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

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

結果如下：

請注意，這仍然會在字符串中包含多個空格，因此不是 100% 等效的。

FIND電子表格函數返回子字符串的位置，第一個字符為 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個位置。 如果找到子字符串，則該方法返回其位置。 如果未找到，則返回 -1。 請記住，Python 索引是從零開始的。

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

結果如下：

電子表格有一個 MID 公式，用于從給定位置提取子字符串。 獲取第一個字符：

=MID(A2,1,1)

使用 Pandas，您可以使用 [] 表示法按位置位置從字符串中提取子字符串。 請記住，Python 索引是從零開始的。

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

結果如下：

在 Excel 中，您可以使用文本到列向導來拆分文本和檢索特定列。 （請注意，也可以通過公式來做到這一點。）

在 Pandas 中提取單詞最簡單的方法是用空格分割字符串，然后按索引引用單詞。 請注意，如果您需要，還有更強大的方法。

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

結果如下：

Excel電子表格提供 UPPER、LOWER 和 PROPER 函數，分別用于將文本轉換為大寫、小寫和標題大小寫。

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

結果如下：

合并

合并示例中將使用以下表格：

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)})

結果如下：

在 Excel 中，可以通過 VLOOKUP 完成表格的合并。

pandas DataFrames 有一個 merge() 方法，它提供了類似的功能。 數據不必提前排序，不同的連接類型是通過 how 關鍵字完成的。

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")

結果如下：

與 VLOOKUP 相比，merge 有許多優點：

查找值不需要是查找表的第一列；

如果匹配多行，則每個匹配都會有一行，而不僅僅是第一行；

它將包括查找表中的所有列，而不僅僅是單個指定的列；

它支持更復雜的連接操作；

其他注意事項

在一組特定的單元格中按照設定的模式創建一系列數字。 在電子表格中，這將在輸入第一個數字后通過 shift+drag 或通過輸入前兩個或三個值然后拖動來完成。

這可以通過創建一個系列并將其分配給所需的單元格來實現。

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

結果如下：

Excel 具有刪除重復值的內置功能。 熊貓通過 drop_duplicates() 支持這一點。

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"])

結果如下：

電子表格中的數據透視表可以通過重塑和數據透視表在 Pandas 中復制。 再次使用提示數據集，讓我們根據聚會的規模和服務器的性別找到平均小費。

在 Excel 中，我們對數據透視表使用以下配置：

等效的Pandas代碼。

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

結果如下：

假設我們使用 RangeIndex（編號為 0、1 等），我們可以使用 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)

結果如下：

Excel 查找對話框將您帶到匹配的單元格。 在 Pandas 中，這個操作一般是通過條件表達式一次對整個列或 DataFrame 完成。

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

結果如下：

pandas 的 replace() 相當于 Excel 的 Replace All。

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

結果如下：

Python

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。