python数据分析基础007 -利用pandas带你玩转excel表格(中上篇)

简介: 还有一些基本的操作,接下来我们一起再深入的去了解pandas在excel中其他的一些有趣的操作吧!!

文章要点

  • 🍻结语
  • 🐚作者简介:苏凉(专注于网络爬虫,数据分析)

🐳博客主页:苏凉.py的博客

👑名言警句:海阔凭鱼跃,天高任鸟飞。

📰要是觉得博主文章写的不错的话,还望大家三连支持一下呀!!!

👉关注✨点赞👍收藏📂

🍺前言image.png🍀(一)在pandas中对excel进行函数填充

🍒1.在excel中进行函数填充image.png

🍒2.在pandas中实现函数填充

🔥2.1 列于列进行计算image.png

import pandas as pd
book = pd.read_excel('./Book.xlsx')
df = pd.DataFrame(book)
# 1.列与列进行计算
now_price = df['原价'] * df['折扣']
df['现价']=now_price
print(df)

结果:

🔥2.2 单元格与单元格进行计算image.png

# 2.单元格和单元格进行计算
# # 对索引进行遍历
for i in df.index:
    df['现价'].at[i] = df['原价'].at[i] * df['折扣'].at[i]

结果与上述相同。

🔥2.3 部分数据计算image.png

# 3.对部分单元格进行遍历
for i in range(5,11):
  df['现价'].at[i] = df['原价'].at[i] * df['折扣'].at[i]

结果:

🔥2.4 列增值

🌟2.4.1 pandas中的apply函数image.png

4.列增值
def add(x):
    return x+5
df['原价'] = df['原价'].apply(add)

image.png

df['原价'] = df['原价'].apply(lambda x:x+5)

以上两种方法都可以的到同样的结果:

🍀(二)排序以及多重排序在excel表格中我们可以对数据进行从大到小或是从小到大排序,也可以对多列数据进行排序,那再pandas中我们要如何操作呢?接下来就让我们一起看看吧!


实例:我们要对该表格的价格进行从大到小排序,以及将不值且价格从大到小来进行排序


🍒1.在excel表格中进行操作


结果:



🍒2.在pandas中实现排序操作

image.png

import pandas as pd
list = pd.read_excel('./count.xlsx')
df = pd.DataFrame(list)
df.sort_values(by=['Worthy','Price'],inplace=True,ascending=[True,False])
print(df)

image.png结果:

这样我们就实现了以上结果。

🍀(三)数据筛选

🍒1.在excel中进行数据筛选image.png🍒2.在pandas中实现数据筛选image.png

import pandas as pd
def age_25(a):
    return a<25
def score_85(b):
    return b>=85 and b <=100
student = pd.read_excel('./Students.xlsx',index_col='ID')
df = pd.DataFrame(student)
fin = df.loc[df['Age'].apply(age_25)].loc[df['Score'].apply(score_85)]
print(fin)

image.png

fin = df.loc[df['Age'].apply(lambda x:x<25)].loc[df['Score'].apply(lambda y:y>=85 and y<=100)]

两种方法结果相同:

🍻结语image.png

相关文章
|
3天前
|
机器学习/深度学习 数据采集 数据挖掘
如何用Python进行数据分析?
【6月更文挑战第13天】如何用Python进行数据分析?
97 66
|
3天前
|
XML 物联网 API
服务端和客户端 RESTful 接口上传 Excel 的 Python 代码
本文作者木头左是物联网工程师,分享如何使用 Python 和 Flask-RESTful 构建一个简单的 RESTful API,实现文件上传功能,特别支持Excel文件。通过安装Flask和Flask-RESTful库,创建Flask应用,实现文件上传接口,并将其添加到API。该方法具有简单易用、灵活、可扩展及社区支持等优点。
服务端和客户端 RESTful 接口上传 Excel 的 Python 代码
|
1天前
|
Python
在Python的pandas库中,向DataFrame添加新列简单易行
【6月更文挑战第15天】在Python的pandas库中,向DataFrame添加新列简单易行。可通过直接赋值、使用Series或apply方法实现。例如,直接赋值可将列表或Series对象分配给新列;使用Series可基于现有列计算生成新列;apply方法则允许应用自定义函数到每一行或列来创建新列。
15 8
|
1天前
|
测试技术 iOS开发 MacOS
用Python处理Excel的资源
用Python处理Excel的资源
用Python处理Excel的资源
|
3天前
|
数据采集 数据可视化 数据挖掘
数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
【6月更文挑战第12天】在数字时代,Python因其强大的数据处理能力和易用性成为数据分析首选工具。结合Pandas(用于高效数据处理)和Matplotlib(用于数据可视化),能助你成为数据分析专家。Python处理数据预处理、分析和可视化,Pandas的DataFrame简化表格数据操作,Matplotlib则提供丰富图表展示数据。掌握这三个库,数据分析之路将更加畅通无阻。
|
4天前
|
JSON 数据挖掘 API
数据分析实战丨基于pygal与requests分析GitHub最受欢迎的Python库
数据分析实战丨基于pygal与requests分析GitHub最受欢迎的Python库
17 2
|
6天前
|
数据采集 数据可视化 数据挖掘
如何快速上手 Python,成为一名数据分析师
【6月更文挑战第10天】学习Python是成为数据分析师的关键。首先,掌握基本语法和数据结构,如变量、控制结构及列表、字典等。然后,学习NumPy、Pandas和Matplotlib库:NumPy用于数组计算,Pandas处理和分析数据,Matplotlib进行数据可视化。不断实践项目,从简单分析任务做起,并保持学习新技能的热情,关注技术动态。通过系统学习和实践,可迅速踏上数据分析师之路。
|
1月前
|
数据处理 Python
如何使用Python的Pandas库进行数据排序和排名
【4月更文挑战第22天】Pandas Python库提供数据排序和排名功能。使用`sort_values()`按列进行升序或降序排序,如`df.sort_values(by=&#39;A&#39;, ascending=False)`。`rank()`函数用于计算排名,如`df[&#39;A&#39;].rank(ascending=False)`。多列操作可传入列名列表,如`df.sort_values(by=[&#39;A&#39;, &#39;B&#39;], ascending=[True, False])`和分别对&#39;A&#39;、&#39;B&#39;列排名。
34 2
|
1月前
|
数据处理 Python
如何使用Python的Pandas库进行数据排序和排名?
Pandas在Python中提供数据排序和排名功能。使用`sort_values()`进行排序,如`df.sort_values(by=&#39;A&#39;, ascending=False)`进行降序排序;用`rank()`进行排名,如`df[&#39;A&#39;].rank(ascending=False)`进行降序排名。多列操作可传入列名列表,如`df.sort_values(by=[&#39;A&#39;, &#39;B&#39;], ascending=[True, False])`。
35 6
|
1月前
|
索引 Python
如何使用Python的Pandas库进行数据合并和拼接?
【2月更文挑战第28天】【2月更文挑战第103篇】如何使用Python的Pandas库进行数据合并和拼接?