使用pandas过程中出现的问题

[toc]

1.pandas无法读取excel文件：xlrd.biffh.XLRDError: Excel xlsx file; not supported

应该是xlrd版本太高
解决方法，使用openpyxl打开xlsx文件

df = pd.read_excel('鄱阳湖水文资料.xlsx',engine='openpyxl')

2、pandas索引问题

在Python pandas中，从0开始行列索引

3.pandas 时间序列之pd.date_range()

pd.date_range(
    start=None,#开始时间
    end=None,#截止时间
    periods=None,#总长度
    freq=None,#时间间隔
    tz=None,#时区
    normalize=False,#是否标准化到midnight
    name=None,#date名称
    closed=None,#首尾是否在内
    **kwargs,
)

生成的日期为年月日时分秒
1961/1/8 0:00:00

4.pandas中series与DataFrame区别

Series是带索引的一维数组
Series对象的两个重要属性是：index（索引）和value（数据值）
DataFrame的任意一行或者一列就是一个Series对象

创建Series对象：pd.Series(data,index=index)

　　其中data可以是很多类型：

一个列表---------->pd.Series([1,2,3])
一个ndarray------->pd.Series(np.random.randint(2),index=['a','b'])
一个python字典---->pd.Series({"a":2,"b":0})
一个标量值-------->pd.Series(3,index=[1,2,3])

创建DataFrame对象：pd.DataFrame(data,index,columns)

与Series不同的是，DataFrame包括索引index和表头columns：

　　其中data可以是很多类型：

包含列表、字典或者Series的字典
二维数组
一个Series对象
另一个DataFrame对象

5.dataframe保存进excel中多个sheet

    # 将日流量写入‘逐日流量’，将位置写入‘格网中的经纬度’
    writer = pd.ExcelWriter()
    df.to_excel(writer, sheet_name='逐日流量')
    df2.to_excel(writer, sheet_name='格网中的经纬度')
    writer.save()  # 后面可能有writer.close()，但实际不需要，save完后会自动关闭，加close反而会有警告提示。
    print(file + " over")

更新后出现的警告

FutureWarning: save is not part of the public API, usage can give unexpected results and will be removed in a future version

原因：

writer.save（）接口已经私有化，close()里面有save()会自动调用，将writer.save()替换为writer.close()即可

更细致的操作：

可以添加更多的参数，比如：

dataframe.to_excel("文件.xlsx", index=False, header=None)

index=False，代表不会导出index，就是最左侧的那一列

header=None，代表不会导出第一行，也就是列头

读写文件注意

df.to_excel(writer, sheet_name='逐日流量', index=False)  # header = 0 不要最顶上一行

pandas生成日期去掉时分秒

import pandas as pd
import numpy as np

df = pd.DataFrame({
    "date":pd.date_range("20100102",periods=6),
    "age":np.arange(6)})
print(df)

df["date"] = df["date"].dt.date  #将date列中的日期转换为没有时分秒的日期
df.to_excel("dates.xlsx")

向pandas中插入数据

如果想忽略行索引插入，又不想缺失数据与添加NaN值，建议使用
df['column_name'].values得出的是ndarray类型的值，后面的操作就不会限制于索引了

# waterlevel_data_trainx.values是一维数组
new_df['新列名'] = waterlevel_data_trainx.values

A value is trying to be set on a copy of a slice from a DataFrame.Try using .loc[row_indexer,col_indexer] = value instead

问题：当向列表中增加一列时，需要先将变量复制一份，再添加才可以

a=a.copy()
a['column01']= column

pandas添加索引列名称

baidu.index.name = "列名称"

pandas删除数据

用drop()或者del()，drop()可以不会对原数据产生影响（可以调）；del()会删除原始数据

drop()

一次删除多行或多列，比较灵活

DataFrame.drop(labels,axis=0,level=None,inplace=False,errors=’raise’)

删除特定的多列

# Import pandas package
import pandas as pd

# create a dictionary with five fields each
data = {
    'A': ['A1', 'A2', 'A3', 'A4', 'A5'],
    'B': ['B1', 'B2', 'B3', 'B4', 'B5'],
    'C': ['C1', 'C2', 'C3', 'C4', 'C5'],
    'D': ['D1', 'D2', 'D3', 'D4', 'D5'],
    'E': ['E1', 'E2', 'E3', 'E4', 'E5']}

# Convert the dictionary into DataFrame
df = pd.DataFrame(data)

# Remove two columns name is 'C' and 'D'
df.drop(['C', 'D'], axis=1)

# df.drop(columns =['C', 'D'])

根据列索引删除列

# Import pandas package
import pandas as pd

# create a dictionary with five fields each
data = {
   
   
    'A': ['A1', 'A2', 'A3', 'A4', 'A5'],
    'B': ['B1', 'B2', 'B3', 'B4', 'B5'],
    'C': ['C1', 'C2', 'C3', 'C4', 'C5'],
    'D': ['D1', 'D2', 'D3', 'D4', 'D5'],
    'E': ['E1', 'E2', 'E3', 'E4', 'E5']}
  python
# Convert the dictionary into DataFrame
df = pd.DataFrame(data)

# Remove three columns as index base
df.drop(df.columns[[0, 4, 2]], axis=1, inplace=True)  # 删除0 2 4三列

df

del()

一次只能删除一列

read_excel()

data = pd.read_excel(r"Result_Model.xlsx", sheet_name="prediction", engine='openpyxl', skiprows=1)  # 先用都昌运行前的数据测试一下,跳过第一行

也可以设置成跳过多行，跳过其他行等

参考博客