pandas模块是python用于数据导入及数据整理的模块 对于数据分析、数据挖掘等前期数据处理工作十分有用。
pandas模块有两个主要的数据结构对象 Series和Dataframe。Series对象是序列 类似一维数组 同时带有标签和索引 像python的字典结构。Dataframe对象则相当于一张二维表格 类似二维数组 像数据库中的表。
分析excel数据 主要使用Dataframe对象。
1. 读取Excel文件
方法一 默认读取第一个表单 Sheet
excelFile r D:XSa.xls #文件path df pandas.Dataframe(pandas.read_excel(excelFile))
方法二 通过指定表单 Sheet 的方式来读取
excelFile r D:XSa.xls df pandas.Dataframe(pandas.read_excel(excelFile,sheet_name 淘宝201807 )) #多一个sheet_name
2. 读取指定的行列
df[col]: 根据列名 并以Series的形式返回列
例如 df1 df[ [ 宝贝标题 ] ]
df[ [col1,col2] ]: 以表格数据形式返回多列
例如 df1 df[ [ 宝贝标题 , 买家实际支付金额 ] ]
df.iloc[0,:] 返回第一行 以列形式返回Excel表格第一行数据
df.iloc[0,0] 返回第一行第一列单元格数据
读取指定的多行 例如10行
df1 df.ix[[1,10]].value
默认读取前5行
df1 df.head()
3. 数据清理
对excel的数据清理 包括重命名列名、判断空值、删除包含空值的行和列、替换空值等。
df.columns [ a , b , c ] 重命名列名
例如 将“买家会员名”“买家实际支付金额”重命名为“会员名”“消费金额” 代码如下
df1 df[[ 买家会员名 , 买家实际支付金额 ]] df1.columns [ 会员名 , 消费金额 ]
pandas.isnull() 检查Dataframe对象中的空值 并返回一个Boolean数组
例如 检查“联系手机”一列是否有空值 代码如下
df1 df[[ 联系手机 ]] a pandas.isnull(df1)
df.dropna() 删除所有包含空值的列
例如 print(df.dropna(axis 0))
df.dropna(axis 1) 删除所有包含空值的列
例如 print(df1.dropna(axis 1))
df.fillna(x) 用x替换Dataframe对象中所有的空值
例如 将联系手机为空的手机号替换成 18888888888
df[ 联系手机 ] df[ 联系手机 ].fillna(18888888888)
