文章要点
🍺前言
💦（一）利用pandas对数据求和，算平均数
💨1. 在excel表格中实现
结果：
需要完成以上结果在pandas中又如何实现呢？
💨2.在pandas中进行实现
import pandas as pd test = pd.read_excel('./excel/test008.xlsx',index_col="ID") df = pd.DataFrame(test) # 求总和 sum = df[['Test_1','Test_2','Test_3']].sum(axis=1) # 求平均值 avg = df[['Test_1','Test_2','Test_3']].mean(axis=1) df['total'] = sum df['avg'] = avg # 求总计的平均值 T_avg = df[['Test_1','Test_2','Test_3','total','avg']].mean() T_avg['Name'] = 'avg_total' df =df.append(T_avg,ignore_index=True) print(df)
结果：
这样就实现了上述结果。
💦（二）消除重复数据
💨1.在excel中进行实现
需要实现以上结果，在pandas中要如何进行操作呢？pandas还有什么强大的功能呢，让我们一起来看看吧！
💨2.在pandas中实现
import pandas as pd test = pd.read_excel('./excel/test009.xlsx') df = pd.DataFrame(test) # 消除重复数据 df.drop_duplicates(subset='Name',inplace=True，keep='last') print(df)
结果：
利用keep参数我们将前面重复的数据删除而保留了后面的数据，这就是pandas对比excel的一强大之处。而在此方面，pandas远不止于此，pandas还可以将重复的数据筛选出来。
💫2.1 利用pandas将重复的数据筛选出来
import pandas as pd test = pd.read_excel('./excel/test009.xlsx') df = pd.DataFrame(test) re = df.duplicated(subset='Name') # 找出重复项 re = re[re == True] # re.index 找出重复数据的索引 print(df.iloc[re.index])
结果：
对上面两点，足以说明pandas在对excel数据进行操作时还是比excel更胜一筹的。
💦（三）数据转置在excel表中，有些数据需要转置看起来才更明了，更直观。那么在excel和pandas中要如何操作呢？
实例：将下列数据进行转置
💨1.在excel中进行实现
结果：
那在pandas中又如何操作呢？是否更快捷更简单呢？
💨2.在pandas中进行操作结果：
import pandas as pd test = pd.read_excel('./excel/test010.xlsx',index_col="Month") df = pd.DataFrame(test) # 将数据转置 table = df.transpose() # 显示所有数据，若不设置则中间数据不显示 pd.options.display.max_columns = 100 print(table)
结果：
这样就实现了上述结果，pandas相对来说处理数据更方便快捷！！
🍻结语
今天的内容就到这里啦，希望看到此文的小伙伴能有所收获，另外pandas在excel中还有很多操作需要探索，关注我，咱们下期再见！！
