Java教程

pandas

本文主要是介绍pandas，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

查看版本

import pandas as pd
pd.__version__

读取数据

读取csv

data=pd.read_csv('路径',<sep='分隔符',header='表头',names=['列名1','列名2'...]>) #txt也可以用这个命令读取
参数 解释 默认 值
skiprows 跳过指定行 数字：如2，表示跳过前2行，因为从0开始的，左开右闭
range(n)：如range(2)，等同于[0,1]，左开右闭
列表：如[0,1]，同上
表达式：lambda x : x%2 ==0，表示偶数行的都跳过
true_values/false_values 将指定的文本转化成True或者False None 列表：如true_values=['David','lisa']，会将David和lisa转化成True
converters 列数据处理 字典：如converters={列名1或索引1:函数1或lambda表达式1,列名2或索引2:函数2或lambda表达式2}，其中函数，如fn（当然要事先写好fn）或者lambda x : x+2，就会根据函数将列数据处理后再读取
dtype 指定读取后的列的数据类型 指定数据类型：如np.float64，表示所有列都是这个类型
字典：如{'a':np.float64,'b':str}，表示对指定列分配指定的类型
列表：如[np.float64,str,int64]，表示对列分别指定类型，列表长度跟列的数量一定要对应
mangle_dupe_cols 处理重复列名的方式 True：列名有重复时，解析列名将变为X, X.1, …, X.N
False：那么当列名中有重复时，前列将会被后列覆盖
usecols 挑选指定列 列表：名称列表['a','b']或者索引列表[0,1,2]，注意跟筛选功能不同，即使改变列表中的列的顺序，如[2,1,0]，显示也不会发生改变，仅仅是挑选
sep
header 数字：表示设置第几行为表头
None：没有表头
index_col 索引列 数字：第几列为索引，从0开始
已有的列名：指定该列为索引列
列表：如['a','b']或[0,1]，指定多个索引
prefix 指定一个前缀加序数的名称作为列名，配合header=None使用 字符串：比如prefix='c_'，那么生成的列名就是c_0,c_1...
names 列表：比如['a','b']，表示指定该列表的元素为列名称（表头），跟header=None同时使用
skipfooter 从尾部跳过行 数字：如1，表示最后一行不加载，如2，表示最后两行不加载
skip_blank_lines 指定是否跳过空行 True（表示跳过空行） False：不跳过空行，空行数据全部为NaN
nrows 读取指定行数 None（表示全部读取） 数字：如1000，表示读取1000行

读取Excel

df=pd.read_excel('路径（可以是网络路径）')
参数 解释 默认值 值
sheet_name 指定读取哪个sheet 0（表示第一个） 数字：表示第几个，从0开始
sheet名称：指定读取的sheet名称
列表：可以是索引和名称的混合列表，如[0,'Sheet2']，但是注意读取出来的数据是个字典，要按照列表中对应的名称或索引来查询，比如df[0]表示第一张表，而不能用df['Sheet1']，列表中用的是啥，就必须用啥来查询
None：表示读取所有sheet，返回的是字典，键名是sheet的名称

导出数据

导出到Excel

df.to_excel(r'E:\python数据分析\1.xlsx')

#将不同的df导入到不同的sheet中
with pd.ExcelWriter('路径') as writer:
  df1.to_excel(writer,sheet_name='sheet名称1')
  df2.to_excel(writer,sheet_name='sheet名称2')
这篇关于pandas的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！
您可能喜欢
栏目导航