提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档
前言
提示：以下是本篇文章正文内容，下面案例可供参考
一、pandas是什么？
示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。
二、使用步骤
1.引入库
代码如下（示例）：
import pandas as pd2.读取数据
数据结构
# 读取excel文件内容def read(file_path): data_from = pd.read_excel(io=file_path,sheet_name='Sheet1',keep_default_na=False,dtype=str，engine='openpyxl') print(data_from) #输出的是一个DataFrom表单参数解析
- io : 文件路径
- sheet_name : excel文件那一个 sheet
- keep_default_na=False ： 空值的NaN不显示
- dtype : 设置数据类型，不设置有时候开头是0的数据不读取
- engine ： 指定驱动
loc和iloc方法：
区别：
loc函数：通过行索引 “Index” 中的具体值来取行数据
iloc函数：通过行号来取行数据
获取行时写法差不多，
loc方法提取：
ps : data_from.iloc[初始行:结束行,初始列:结束列]
loc方法是通过行、列的名称或者标签来寻找我们需要的值。
1.获取某一行,会带着标题行
data_from.loc[1]2。获取某一列，通过列名
data_from.loc[:,'列名]
3.获取全部数控
data_from.iloc[:,:]4.获取第一到第二列
data_from.loc[:,1.1:1.2]iloc方法：
1.获取第一行，和loc方法写法一样
data_from.iloc[1]2.获取第一列，通过index
data_from.iloc[:,0]3.获取全部数控
data_from.iloc[:,:]4.获取第一到第二列
data_from.iloc[:,1:2]通过某一字段筛选数据
1. 通过某一列中数据初步筛选
df=data_from[data_from['船公司']=='COSCO']2.只选择其中一列或几列
number = df.iloc[:,0]goal = df.iloc[:,10]3.获取表单数据行数
data_from.shape[0] # data_from 是表单数据4.获取表单中某一列或行中数据的长度
goal = df.iloc[:,10].str.len() # str.len() 获取字符串长度5. 通过数据长度筛选数据
1.属于
data = [11,14]# 属于data的 ，data是可迭代数据data_frome_no_length = df[df.iloc[:, 0].str.len().isin(data )] # 获取筛选后数据行数 if data_frome_no_length.shape[0] != 0: pass2.不属于
data = [11,14] data_frome_no_length = df[~df.iloc[:, 0].str.len().isin(data)] if data_frome_no_length.shape[0] != 0: pass3.数据转换
1. DataFrom转字典
转换数据可以通过下标取出对应列数据
data_dic = data_from.to_dict(orient='index')也可以通过列名
data_dic =data_from.to_dict('records')2 . 字典转DataFrom
pd.DataFrame(data_dic)4.写入数据
1.更改DataFrame数据
#循环遍历每一行 count = 1 for i in data_dic: if i[1.5] is None or i[1.5] == '': i[1.5] = 5 # continue else: # print(i) i[1.5] = 5 print(data_dic)2 . 写入excel中
实现步骤：
字典数据转DataFrame
这里 df 是 DataFrame简称
df = pd.DataFrame(data_dic)df.to_excel('./cs.xlsx')### 单列数据由转list DataFrame中的单列数据是pandas.core.series.Series，通过下标进行循环提取时可能数据不全，这里是转换成list
type(number) #输出pandas.core.series.Seriesnumber = number.values.tolist() #转换之后就是list类型数据openpyxl使用（指定excel指定位置插入数据）
复制原来的文件
shutil.copy(old_file_name, new_file_path)打开新生成的文件
wb = openpyxl.load_workbook(new_file_path)ws = wb['Sheet1'] # 第一个Sheet页写入数据
ws.cell(row=5, column=15).value = ’测试‘
插入图片
img = Image(r'D:\ZJGL\img.png') # 选择你的图片ws.add_image(img, 'G47')保存数据直接覆盖原数据
wb.save(new_file_path)5、处理重复数据
-
标记重复记录下标
df2= df.loc[df.duplicated(subset=['取证链接', '敏感内容', '正确表述', '报告类型', '目标名称']), '办公地址'] = 'true'- 解释：
- df2 = df.loc[行索引, 列名] = ‘指定值’
- df.duplicated（subset=[‘字段1’，‘字段2’]）
- subset： 对比字段
- keep：
- ‘last’：保留最后一个重复数据
- ‘first’： 保留第一个重复数据
- Flast ： 重复值是标记True
- df.loc[] : [行索引, 列名]
- 通过索引行（True的那一行）更改字段value
-
去除重复数据
df.drop_duplicates(subset=['取证链接', '敏感内容', '正确表述', '报告类型', '目标名称'], keep=False, inplace=True)- 解释： subset与keep上同
- inplace : 是否对数据集本身进行修改，默认False ， 覆盖就用True
三、后缀是xls文件的输入追加方式
1.打开已保存文件
file_path = '.xls文件路径'rb = open_workbook(file_path,formatting_info=True) # formatting_info=True 保留格式r_sheet = rb.sheet_by_index(0) # 切换到第一个Sheet 页面wb = copy(rb) # 复制file_path路径的文件w_sheet = wb.get_sheet(0) # 写入的页（Sheet）2.写入
w_sheet.write(row_index, col_summer1, 'data')w_sheet.write(row, line, ‘data’) ， 行和列都从0开始
总结
提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
