简说Python，号主老表，Python终身学习者，数据分析爱好者，从18年开始分享Python知识，原创文章227篇，写过Python、SQL、Excel入门文章，也写过Web开发、数据分析文章，老表还总结整理了一份2022Python学习资料和电子书资源，关注后私信回复：2022 即可领取。
读取Excel文件
首先下载本次案例需要的数据集，浏览器访问下方地址即可，在此感谢阿里云天池数据集平台和数据集上传者大师兄Eric，我下载的是湖北新冠肺炎疫情历史总数据下载.xls，大家可以随意选择其他省。
https://tianchi.aliyun.com/s/986f2e8af9e34f8ff8ae84ea7a18f96a
数据情况
数据集下载后，如果直接读取可能会出错，建议大家先另存为xlsx格式，然后读取。
# 导入数据处理包 import pandas as pd # 读取Excel，header=1表示取第二行数据作为列名（表头） data_set = pd.read_excel('湖北新冠肺炎疫情历史总数据下载.xlsx',header=1) # 查看数据规模 data_set.shape # 输出：(200, 5) # 查看表头 data_set.columns # 输入：Index(['时间', '新增', '总确诊', '治愈', '死亡'], dtype='object')
MID函数
通过图中介绍，我们知道Excel中MID函数的含义就是获取指定单元格中字符串指定位置的字符子串的，换到Python中就很好实现了，直接使用字符串的索引即可，如下：
''' MID 根据时间一列新增一列：月 Excel实现：MID(A3,6,1) ''' data_set['月'] = [i[5:6] for i in data_set['时间']] data_set.head(3) 输出： 时间 新增 总确诊 治愈 死亡 月 0 2020.1.20 72 270 25 6 1 1 2020.1.21 105 375 28 9 1 2 2020.1.22 69 444 28 17 1
CONCATENATE函数
CONCATENATE函数的作用就是将指定的几个单元格的内容连接起来，变成一个字符串，在Excel中也可以用&也可以实现，在Python中更简单，直接用+即可实现。
''' CONCATENATE函数 将时间、新增、总确诊这三列合并，变成一列：通报 Excel实现：CONCATENATE(A3,"-新增：",B3,"，总确诊：",C3,"。") ''' data_set['通报'] = [ i[1]['时间']+ '-新增：'+str(i[1]['新增'])+ '，总确诊：'+str(i[1]['总确诊'])+'。' for i in data_set.iterrows() ] data_set.head(3) 输出： 时间 新增 总确诊 治愈 死亡 月 通报 0 2020.1.20 72 270 25 6 1 2020.1.20-新增：72，总确诊：270。 1 2020.1.21 105 375 28 9 1 2020.1.21-新增：105，总确诊：375。 2 2020.1.22 69 444 28 17 1 2020.1.22-新增：69，总确诊：444。
AND函数
AND函数的作用就是判断每个表达式是否都为真，如果都为真就返回True，否则就返回False，在Python中可以用and运算符实现这种判断。
''' AND函数 假设规定每日新增人数超过300而且剩余确诊人数大于500，就算危险预警 Excel实现：AND(B3>300,C3-D3>500) ''' data_set['危险预警'] = [ i[1]['新增'] > 300 and i[1]['总确诊']-i[1]['治愈'] > 500 for i in data_set.iterrows()] data_set.head(3) 输出： 时间 新增 总确诊 治愈 死亡 月 通报 危险预警 0 2020.1.20 72 270 25 6 1 2020.1.20-新增：72，总确诊：270。 False 1 2020.1.21 105 375 28 9 1 2020.1.21-新增：105，总确诊：375。 False 2 2020.1.22 69 444 28 17 1 2020.1.22-新增：69，总确诊：444。 False
IF函数
IF函数就好实现了，Python中就有if语法。
''' IF函数 假设规定当日新增人数超过1000就算暴增预警，否则为0 Excel实现：IF(B3>1000,"当日暴增预警",0) ''' surge_warning = [] for i in data_set.iterrows(): if i[1]['新增'] > 1000: surge_warning.append('当日暴增预警') else: surge_warning.append(0) data_set['暴增预警'] = surge_warning data_set.head(3)
其他相关知识
# 删除指定列 data_set = data_set.drop(['年'], axis=1) # 重新排列顺序 data_set = data_set.reindex(columns=['时间', '月', '新增', '总确诊', '治愈', '死亡'])
今天先分享四个，剩余12个，我将分三期分享给大家，也欢迎大家评论区提供更好的实现方法，加油。
