Python数据分析学习笔记002

今天要讲的是：

如何用python读取多个excel文件中的数据并进行处理

1、需要用到的模块

pandas

先引入这个武器：

import pandas aspd

2、准备工作：

准备两个有数据的Excel文件，我们假设它的名字叫的"test1809.xlsx"和"test1810.xlsx", 里面有一个sheet页，叫"sheet1"，这里我准备的是两张费用报销表，模拟两个月的费用报销记录。

3、分别读取两张excel表格中的数据：

df09 = pd.read_excel("d:\\data\\test1809.xlsx")

df10 = pd.read_excel("d:\\data\\test1810.xlsx")

比较一下，两个月报销金额的最大值，我们用到max()这个“方法”，找最大值：

df09["报销金额"].max()

df10["报销金额"].max()

比较一下，两个月报销费用总额的差异，我们要用到sum这个“方法”：

sum09 = df09["报销金额"].sum()

sum10 = df10["报销金额"].sum()

我们把两个月费用的总额结果，临时存放在两个“变量”中，变量是编程中的概念，你可以把它理解为excel中存放汇总值的一个单元格。

计算总额的差异：

sum10 - sum09

如果想看看两个月中谁报销的费用最多，怎么办？

我们可以用到groupby方法，进行“透视”，透视的方法是“求和”，所以也要用到sum。我们把透视后的结果存放在temp09和temp10两个临时变量中，你可以把它们理解为Excel中透视时，结果存放在新sheet页，有一点点Sql语句基础的同学，应该可以理解：

temp09 = df09.groupby(by="姓名").sum()

temp10 =df010.groupby(by="姓名").sum()

结果如下：

如果想提取一下两个月费用报销Top3的人员，以提供给管理层，可以这样做：

我们要用到pandas的两个新方法，一个是sort_values，它是排序方法；另一个是head，它用于读取pandas的数据集中的前3行数据。

temp09.sort_values("报销金额",ascending=False).head(3)

temp10.sort_values("报销金额",ascending=False).head(3)

结果如下：

你看，总是这三个人报销费用最多，也许该看看他们的工作是否“太”饱和，业绩有没有相应跟上，否则的话，就得好好敲打敲打他们几个了。

这里呢，为sort_values这个方法再多说几句话：

大家可能注意到了，sort_values后面的括号内，除了“报销金额”，表示我们要对"报销金额"这一列数据进行排序外，还有这个：

"ascending = False"

ascending在英语中是“上升"的意思，上面这句就表示，我们“不要”按从小到大的方式进行排序（Excel中叫降序），反之呢，如果我们写成：

"ascending = True"

那就表示我们“要”对报销金额按从小到大的方式进行排序（升序）。

python的语言是不是既简洁又符合我们自然思维的方式呢？

在python中，我们把一个方法后，不管是"（）"，还是"{ }"，还是"[ ]"中放的东东，都叫做这个方法的参数，你可以把它理解为开车时用的“档”，如果挂"R"档，就后退，如果挂“D”档，就前进。不过呢，python这辆“超跑”中的方法可以有很多种不同的“档”，用于调节你使用它们的“姿势”。

比如，这个sort_values方法，还有一个“档位”（参数），叫做"inplace"，它调节的是： 排序后的结果放哪？ 如果"inplace = False",则它产生一个新的结果，而“并不改变”原来的数据集，可是如果"inplace = True", 则它就是直接改变原先的数据集。默认的情况是 "inplace = False"，因此，上面两条命令并没有改变原先的temp09 和 temp10这两个数据集，但你得到了你想要的结果。

这里要说明的是，不同的参数组合和方法组合，有时是有冲突的，就像油门和刹车不能同时踩一样。

还是拿上面那两条语句来举例，你如果写成这样：

temp09.sort_values("报销金额",ascending=False,inplace = True).head(3)

那么计算机就会“蒙圈”了，它将出错，执行不下去。

你得改成两条命令：

temp09.sort_values("报销金额",ascending=False,inplace = True)

temp09.head(3)

至于为什么会这样，我还没研究过pandas的代码，只知其然，不知其所以然。

下面是我的猜测：sort_values方法默认是在原数据集的基础上，产生一个新的“视图”，对视图的操作是可以按照方法排列的先后顺序进行的，而当一系列方法中，其中有一个“落实”了对原数据集的实际改变，则基于原数据集的视图就可能不复存在了，所以导致后续的方法找不到可以操作的对象。

其实我也不是胡乱猜的，是基于计算机给我报告的出错信息来进行逻辑推理所得：

一般来说，“NoneType Object”, 就是提示你这个object（对象）很可能是个空的东西。

视图就这个概念，没学过计算机编程的同学可能不太好理解，我打个比方：

还是拿大家熟悉的办公室场景来举例，比如你领到任务，要给部门500多号人重新安排座位，有若干若干要求。

一般来说，领到任务后你不会马上就张罗着让大家挪位置，正常的做法，是：你至少要拿张纸，把现在大家坐的位置先描出来，那这张纸上描画的大家现在坐的位置，其实就是办公室座位的一个“视图”；然后，你会按照领导提的若干要求，基于这个“视图”，规划新的座位，对着这张纸，你可以随时涂改、重排，都不会影响大家正常的工作，一旦确定好，你就去安排同事们搬家，搬完了之后，你基于原座位的那个图其实就已经作废了，再要找出占地方最多的小组在哪个位置，你得在新的座位图上去找了。

这样讲解，不知大家是否就能理解了呢？

任何编程语言都不能让你随心所欲，遇到问题时，首先不要从自己的惯性思维出发，觉得“理不通”，要多注意观察计算机给你的提示信息，想想可能的原因，然后去试验新的方法才是解决问题之道。

每种计算机编程语言都它的局限性，因为这些局限性，就产生了很多的语言规则。我们能做的，就是“到哪座山上，唱哪座山的歌”，了解这些限制和规则，并适应它，让它为我所用，就可以了。

今天就先总结到这儿，不知大家看了我今天的学习笔记，有没有一点点收获呢？

如果有啥问题，可在公众号后台给我留言，在我能力圈内的，尽快给大家回复。

下篇预告：

如何用python读取一个excel文件中多个不同sheet页的数据并进行处理。