文章要点

• 🍺前言
• 🍀（一）在pandas中对excel进行函数填充

• 🍒1.在excel中进行函数填充
• 🍒2.在pandas中实现函数填充

• 🔥2.1 列于列进行计算
• 🔥2.2 单元格与单元格进行计算
• 🔥2.3 部分数据计算
• 🔥2.4 列增值

• 🌟2.4.1 pandas中的apply函数

• 🍀（二）排序以及多重排序

• 🍒1.在excel表格中进行操作
• 🍒2.在pandas中实现排序操作

• 🍀（三）数据筛选

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

• 🍻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 🍀（一）在pandas中对excel进行函数填充

🍒1.在excel中进行函数填充

🍒2.在pandas中实现函数填充

🔥2.1 列于列进行计算

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

# 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

# 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

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

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

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)

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 🍒2.在pandas中实现数据筛选

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)

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