pandas操作excel全总结
pandas是基于Numpy创建的Python包，内置了大量标准函数，能够高效地解决数据分析数据处理和分析任务，pandas支持多种文件的操作，比如Excel，csv，json，txt 文件等，读取文件之后，就可以对数据进行各种清洗、分析操作了。
首先，了解下pandas中两个主要的数据结构，一个是Series，另一个是DataFrame。
Series一种增强的一维数组，类似于列表，由索引（index）和值（values）组成。
DataFrame是一个类似表格的二维数据结构，索引包括列索引和行索引，每列可以是不同的值类型（数值、字符串、布尔值等）。DataFrame的每一行和每一列都是一个Series。
pandas读取excel
pandas读取文件之后，将内容存储为DataFrame，然后就可以调用内置的各种函数进行分析处理。
pandas对xlrd等模块进行了封装，可以很方便的处理excel文件，支持xls和xlsx等格式，需要提前安装模块pip install xlrd
pandas.read_excel(filename, sep, header,encoding)
「参数解释」
- filename：文件路径，可以设置为绝对路径或相对路径
- sep：分隔符，常用的有逗号
,分隔、\t分隔，默认逗号分隔，read_table默认是'\t'(也就是tab)切割数据集的 - header：指定表头，即列名，默认第一行，header = None, 没有表头，全部为数据内容
- encoding：文件编码方式，不设置此选项， Pandas 默认使用 UTF-8 来解码。
- index_col ，指定索引对应的列为数据框的行标签，默认 Pandas 会从 0、1、2、3 做自然排序分配给各条记录。
- 通过names=['a','b','c']可以自己设置列标题
import pandas as pd
result = pd.read_excel('test1.xlsx')
print(result)
# 指定第一列为行索引
result = pd.read_excel('test1.xlsx',index_col=0)
print(result)
# 默认读取第一个sheet，读取第2个sheet如下
result = pd.read_excel('test1.xlsx',sheet_name=1)
print(result)
result = pd.read_excel('test1.xlsx',names=['序号','姓名','年龄','城市'])
print(result)
# 查看指定前几行，默认前5行，指定行数写小括号里
print(result.head())
# 查看数据的（行数、列数）
print(result.shape)
#(4, 4)
# 查看列索引列表
print(result.columns.values)
# ['No' 'Name' 'Age' 'Address']
# 查看行索引列表
print(result.index.values)
# [0 1 2 3]
新建excel并写入数据
import pandas as pd
result = pd.DataFrame({'序号':[1,2,3],'姓名':['张三','李四','王五']})
result.to_excel('新建.xlsx')
pandas增删改查：
读取下面的表格数据，进行学习：
import pandas as pd
df = pd.read_excel('test1.xlsx',index_col='No')
print(df)
增删改查的常用方法，已整理成思维导图，便于大家查阅学习：
「两种查询方法的介绍」 「loc」 根据行，列的标签值查询 「iloc」 通过行号索引行数据，行号从0开始，逐次加1。 「注意」 当使用显式索引（即data['a':'c']）作切片时，结果「包含」最后一个索引；而当使用隐式索引（即 data[0:2]） 作切片时，结果「不包含」最后一个索引。 loc属性，表示取值和切片都是显式索引 iloc属性，表示取值和切片都是隐式索引
Pandas 读取 csv文件的语法格式和读取excel文件是相似的，大家可以对照读取excel的方法学习。
使用pandas表格数据常用的清洗方法：
df.drop(['Name'], axis=1) # 删除列
df1.drop(labels=[1,3],axis=0) #删除行
df.drop([0, 1]) # 删除行
df.drop_duplicates() # 删除重复值
df.fillna('missing')# 使用字符串填补
df.replace('old', 'new') # old替换成new
df.rename(columns={'old_name': 'new_name'}) # 选择性更改列名
df.columns = ['a','b','c'] # 重命名列名
df.dropna(axis = 0) # 删除有缺失的行
df.dropna(axis = 1) # 删除有缺失的列
当然了，pandas除了读取csv和excel文件之外，读写数据的方法还有很多种，感兴趣的话，大家可以根据官方文档学习。
https://pandas.pydata.org/pandas-docs/stable/
