python替代excel，代码生成最常见的36个函数

本文涉及pandas最常用的36个函数，通过这些函数介绍如何完成数据生成和导入、数据清洗、预处理，以及最常见的数据分类，数据筛选，分类汇总，透视等最常见的操作。

生成数据表

常见的生成数据表的方法有两种，第一种是导入外部数据，第二种是直接写入数据。

Excel中的 文件 菜单中提供了获取外部数据的功能，支持数据库和文本文件和页面的多种数据源导入。

Python支持从多种类型的数据导入。在开始使用Python进行数据导入前需要先导入numpy和pandas库

import numpy as np

import pandas as pd

导入外部数据

df=pd.DataFrame(pd.read_csv( name.csv ,header=1))

df=pd.DataFrame(pd.read_Excel( name.xlsx ))c

里面有很多可选参数设置，例如列名称、索引列、数据格式等

直接写入数据

df = pd.DataFrame({ id :[1001,1002,1003,1004,1005,1006],

date :pd.date_range( 20130102 , periods=6),

city :[ Beijing , SH , guangzhou , Shen

zhen , shanghai , BEIJING ],

age :[23,44,54,32,34,32],

category :[ 100-A , 100-B , 110-A , 110-C , 2

10-A , 130-F ],

price :[1200,np.nan,2133,5433,np.nan,4432]},

columns =[ id , date , city , category , age ,

price ])

数据表检查的目的是了解数据表的整体情况，获得数据表的关键信息、数据的概况，例如整个数据表的大小、所占空间、数据格式、是否有 空值和重复项和具体的数据内容，为后面的清洗和预处理做好准备。

1.数据维度(行列)

Excel中可以通过CTRL+向下的光标键，和CTRL+向右的光标键 来查看行号和列号。Python中使用shape函数来查看数据表的维度，也就是行数和列数

2.数据表信息

使用info函数查看数据表的整体信息，包括数据维度、列名称、数据格式和所占空间等信息。#数据表信息

df.info()

class pandas.core.frame.DataFrame

RangeIndex: 6 entries, 0 to 5

Data columns (total 6 columns):

id 6 non-null int64

date 6 non-null datetime64[ns]

city 6 non-null object

category 6 non-null object

age 6 non-null int64

price 4 non-null float64

dtypes: datetime64[ns](1), float64(1), int64(2), object(2)

memory usage: 368.0+ bytes

3.查看数据格式

Excel中通过选中单元格并查看开始菜单中的数值类型来判断数 据的格式。Python中使用dtypes函数来返回数据格式。

Dtypes是一个查看数据格式的函数，可以一次性查看数据表中所 有数据的格式，也可以指定一列来单独查看

#查看数据表各列格式

df.dtypes

id int64

date datetime64[ns]

city object

category object

age int64

price float64

dtype: object

#查看单列格式

df[ B ].dtype

dtype( int64 )

4.查看空值

Excel中查看空值的方法是使用 定位条件 在 开始 目录下的 查找和选择 目录.

本章介绍对数据表中的问题进行清洗，包括对空值、大小写问题、数据格式和重复值的处理。

1.处理空值(删除或填充)

Excel中可以通过 查找和替换 功能对空值进行处理

Python中处理空值的方法比较灵活，可以使用 Dropna函数用来删除数据表中包含空值的数据，也可以使用fillna函数对空值进行填充。

#删除数据表中含有空值的行

df.dropna(how= any )

使用price列的均值来填充NA字段，同样使用fillna函数，在要填充的数值中使用mean函数先计算price列当前的均值，然后使用这个均值对NA进行填充。

#使用price均值对NA进行填充

df[ price ].fillna(df[ price ].mean())

Out[8]:

0 1200.0

1 3299.5

2 2133.0

3 5433.0

4 3299.5

5 4432.0

Name: price, dtype: float64

在英文字段中，字母的大小写不统一也是一个常见的问题。Excel中有UPPER，LOWER等函数，Python中也有同名函数用来解决 大小写的问题。

#city列大小写转换

df[ city ]=df[ city ].str.lower()

city列中beijing存在重复，分别在第一位和最后一位 drop_duplicates()函数删除重复值

#删除后出现的重复值

df[ city ].drop_duplicates()

0 beijing

1 sh

2 guangzhou

3 shenzhen

4 shanghai

Name: city, dtype: object

设置keep= last 参数后，与之前删除重复值的结果相反，第一位 出现的beijing被删除

#删除先出现的重复值

df[ city ].drop_duplicates(keep= last )

1 sh

2 guangzhou

3 shenzhen

4 shanghai

5 beijing

Name: city, dtype: objec

7.数值修改及替换

Excel中使用 查找和替换 功能就可以实现数值的替换

本章主要讲的是数据的预处理，对清洗完的数据进行整理以便后期的统计和分析工作。主要包括数据表的合并，排序，数值分列，数据分组及标记等工作。

1.数据表合并

在Excel中没有直接完成数据表合并的功能，可以通过VLOOKUP函数分步实现。在Python中可以通过merge函数一次性实现。

#建立df1数据表

df1=pd.DataFrame({ id :[1001,1002,1003,1004,1005,1006,1007,1008],

gender :[ male , female , male , female , male

, female , male , female ],

pay :[ Y , N , Y , Y , N , Y , N , Y ,],

m-point :[10,12,20,40,40,40,30,20]})

使用merge函数对两个数据表进行合并，合并的方式为inner，将 两个数据表中共有的数据匹配到一起生成新的数据表。并命名为 df_inner。

#数据表匹配合并

df_inner=pd.merge(df,df1,how= inner )

Excel中可以通过VLOOKUP函数进行近似匹配来完成对数值的分组，或者使用 数据透视表 来完成分组

Python中使用Where函数用来对数据进行判断和分组

#如果price列的值 3000，group列显示high，否则显示low

df_inner[ group ] = np.where(df_inner[ price ] 3000, high , low

)

还可以对多个字段的值进行判断后对数据进行分组，下面的代码中对city列等于beijing并且price列大于等于4000的数据标记为1。

#对复合多个条件的数据进行分组标记

df_inner.loc[(df_inner[ city ] == beijing ) (df_inner[ price ]

= 4000), sign ]=1

在Python中使用split函数实现分列在数据表中category列中的数据包含有两个信息，前面的数字为类别id，后面的字母为size值。中间以连字符进行连接。我们使用split函数对这个字段进行拆分，并将拆分后的数据表匹配回原数据表中。

#对category字段的值依次进行分列，并创建数据表，索引值为df_inner的索引列，列名称为category和size

pd.DataFrame((x.split( – ) for x in df_inner[ category ]),index=d

f_inner.index,columns=[ category , size ])

Reset_index函数用于恢复索引，这里我们重新将date字段的日期 设置为数据表的索引，并按日期进行数据提取。

#重设索引

df_inner.reset_index()

使用iloc函数按位置对数据表中的数据进行提取，这里冒号前后 的数字不再是索引的标签名称，而是数据所在的位置，从0开始。

#使用iloc按位置区域提取数据

df_inner.iloc[:3,:2]

将isin函数嵌套到loc的数据提取函数中，将判断结果为Ture数据 提取出来。这里我们把判断条件改为city值是否为beijing和shanghai。如果是就把这条数据提取出来。

#先判断city列里是否包含beijing和shanghai，然后将复合条件的数据提取出来。

df_inner.loc[df_inner[ city ].isin([ beijing , shanghai ])]

Python中使用loc函数配合筛选条件来完成筛选功能。配合sum和count函数还能实现Excel中sumif和countif函数的功能。使用 与 条件进行筛选，条件是年龄大于25岁，并且城市为 beijing。

#使用 与 条件进行筛选

df_inner.loc[(df_inner[ age ] 25) (df_inner[ city ] == beiji

ng ), [ id , city , age , category , gender ]]/

在前面的代码后面增加city列，并使用count函数进行计数。相当于Excel中的countifs函数的功能

#对筛选后的数据按city列进行计数

df_inner.loc[(df_inner[ city ] != beijing ), [ id , city , age ,

category , gender ]].sort([ id ]).city.count()

还有一种筛选的方式是用query函数

#使用query函数进行筛选

df_inner.query( city == [ beijing , shanghai ] )

在前面的代码后增加price字段和sum函数。对筛选后的price字段 进行求和，相当于Excel中的sumifs函数的功能。

#对筛选后的结果按price进行求和

df_inner.query( city == [ beijing , shanghai ] ).price.sum()

12230

数据汇总

Excel中使用分类汇总和数据透视可以按特定维度对数据进行汇总，Python中使用的主要函数是groupby和pivot_table。

1.分类汇总

#对所有列进行计数汇总

df_inner.groupby( city ).count()/

最后，小编想说一句话：我是一名python开发工程师，整理了一套最新的python系统学习教程，包括从基础的python脚本到web开发、爬虫、数据分析、数据可视化、机器学习,面试宝典。想要这些资料的可以关注小编，私信小编 01 领取资料！