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
