首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

手把手教你做一个“渣”数据师,用Python代替老情人Excel

大数据文摘出品

来源:medium

编译:张大笔茹

十年前,你说你是做数据的,大家的反应就是——用Excel做做表。

现在,要成为一个合格的数据分析师,你说你不会Python,大概率会被江湖人士耻笑。

Medium上一位博主就分享了他一步步用Python替换掉十年前的“老情人”Excel的过程,一起来学习一下吧!

在Excel成为我的“初恋”十年之后,是时候找一个更好的“另一半”了,在这个技术日新月异的时代,更好更薄更轻更快处理数据的选择就在身边!我希望用Python取代几乎所有的excel功能,无论是简单的筛选还是相对复杂的创建并分析数据和数组。

我将展示从简单到复杂的计算任务。强烈建议你跟着我一起做这些步骤,以便更好地理解它们。

拟写此文的灵感来自于人人可访问的免费教程网站,我曾认真阅读并一直严格遵守这篇Python文档,链接如下,相信你也会从该网站中找到很多干货。

GitHub链接:

https://github.com/ank0409/Ditching-Excel-for-Python

一、将excel文件导入Panda DataFrame

初始步骤是将excel文件导入DataFrame,以便我们执行所有任务。我将演示支持xls和xlsx文件扩展名的Pandas的read_excel方法。read_csv与read_excel相同,就不做深入讨论了,但我会分享一个例子。

尽管read_excel方法包含数百万个参数,但我们只讨论那些在日常操作中最常见的那些。

我们使用Iris样本数据集,出于教育目的,该数据集可在线免费使用。

请按照以下链接下载数据,并将其放在与存储Python文件的同一文件夹中。

https://archive.ics.uci.edu/ml/datasets/iris

1、第一步是在Python中导入库

可以使用以下代码将电子表格数据导入Python:

有大量可用的参数,我们来看一下最常用的一些参数。

2、一些重要的Pandas read_excel选项

如果默认使用本地文件的路径,用“\”表示,接受用“/”表示,更改斜杠可以将文件添加到Python文件所在的文件夹中。如果需要有关上述内容的详细说明,请参阅以下文章。

https://medium.com/@ageitgey/Python-3-quick-tip-the-easy-way-to-deal-with-file-paths-on-windows-mac-and-linux-11a072b58d5f

用Python扫描目录中的文件并选择想要的:

3、导入表格

默认情况下,文件中的第一个工作表将按原样导入到数据框中。

使用sheet_name参数,可以明确要导入的工作表。文件中的第一个表默认值为0。可以用工作表的名字,或一个整数值来当作工作表的index。

4、使用工作表中的列作为索引

除非明确提到,否则索引列会添加到DataFrame中,默认情况下从0开始。

使用index_col参数可以操作数据框中的索引列,如果将值0设置为none,它将使用第一列作为index。

5、略过行和列

默认的read_excel参数假定第一行是列表名称,会自动合并为DataFrame中的列标签。使用skiprows和header之类的函数,我们可以操纵导入的DataFrame的行为。

6、导入特定列

使用usecols参数,可以指定是否在DataFrame中导入特定的列。

这只是个开始,并不是所有的功能,但已足够你“尝鲜”了。

二、查看的数据的属性

现在我们有了DataFrame,可以从多个角度查看数据了。Pandas有很多我们可以使用的功能,接下来将使用其中一些来看下我们的数据集。

1、从“头”到“脚”

查看第一行或最后五行。默认值为5,也可以自定义参数。

2、查看特定列的数据

3、查看所有列的名字

4、查看信息

查看DataFrame的数据属性总结:

5、返回到DataFrame

6、查看DataFrame中的数据类型

三、分割:即Excel过滤器

描述性报告是关于数据子集和聚合的,当需要初步了解数据时,通常使用过滤器来查看较小的数据集或特定的列,以便更好的理解数据。

Python提供了许多不同的方法来对DataFrame进行分割,我们将使用它们中的几个来了解它是如何工作的。

1、查看列

包括以下三种主要方法:

使用点符号:例如data.column_name

使用方括号和列名称:数据[“COLUMN_NAME”]

使用数字索引和iloc选择器:data.loc [:,'column_number']

2、查看多列

3、查看特定行

这里使用的方法是loc函数,其中我们可以指定以冒号分隔的起始行和结束行。注意,索引从0开始而不是1。

4、同时分割行和列

5、在某一列中筛选

6、筛选多种数值

7、用列表筛选多种数值

8、筛选不在列表或Excel中的值

9、用多个条件筛选多列数据

输入应为列一个表,此方法相当于excel中的高级过滤器功能:

10、根据数字条件过滤

11、在Excel中复制自定义的筛选器

12、合并两个过滤器的计算结果

13、包含Excel中的功能

14、从DataFrame获取特定的值

如果想要用特定值查看整个DataFrame,可以使用drop_duplicates函数:

15、排序

对特定列排序,默认升序:

四、统计功能

1、描述性统计

描述性统计,总结数据集分布的集中趋势,分散程度和正态分布程度,不包括NaN值:

描述性统计总结:

五、数据计算

1、计算某一特定列的值

输出结果是一个系列。称为单列数据透视表:

2、计数

统计每列或每行的非NA单元格的数量:

3、求和

按行或列求和数据:

为每行添加总列:

4、将总列添加到已存在的数据集

5、特定列的总和,使用loc函数

或者,我们可以用以下方法:

6、用drop函数删除行

7、计算每列的总和

以上,我们使用的方法包括:

Sum_Total:计算列的总和

T_Sum:将系列输出转换为DataFrame并进行转置

Re-index:添加缺少的列

Row_Total:将T_Sum附加到现有的DataFrame

8、多条件求和,即Excel中的Sumif函数

9、多条件求和

10、求算术平均值

11、求最大值

12、求最小值

13、Groupby:即Excel中的小计函数

六、DataFrame中的数据透视表功能

谁会不喜欢Excel中的数据透视表呢?它是分析数据的最佳方式,可以快速浏览信息,使用超级简单的界面分割数据,绘制图表,添加计算列等。

现在没有了工作界面,必须用编写代码的方式来输出结果,且没有生成图表功能,但需要我们充分理解数据透视表的精华。

简单的数据透视表,显示SepalWidth的总和,行列中的SepalLength和列标签中的名称。

现在让我们试着复杂化一些:

用fill_value参数将空白替换为0:

可以使用dictionary函数进行单独计算,也可以多次计算值:

七、Vlookup函数

Excel中的vlookup是一个神奇的功能,是每个人在学习如何求和之前就想要学习的。会用vlookup是很迷人的,因为输出结果时像变魔术一样。可以非常自信地说它是电子表格上计算的每个数据的支柱。

不幸的是Pandas中并没有vlookup功能!

由于Pandas中没有“Vlookup”函数,因此Merge用与SQL相同的备用函数。有四种合并选项:

left——使用左侧DataFrame中的共享列并匹配右侧DataFrame,N/A为NaN;

right——使用右侧DataFrame中的共享列并匹配左侧DataFrame,N/A为NaN;

inner——仅显示两个共享列重叠的数据。默认方法;

outer——当左侧或右侧DataFrame中存在匹配时,返回所有记录。

以上可能不是解释这个概念的最好例子,但原理是一样的。

整个教程到这里就结束啦,正如大家知道的那样,“没有完美的教程存在”,这位小哥的教程肯定也是不完美的,但是大家可以自己动手试试,如果大家还知道有什么Python可以替代Excel的地方,欢迎留言讨论!

相关报道:

https://towardsdatascience.com/replacing-excel-with-Python-30aa060d35e

志愿者介绍

点「在看」的人都变好看了哦!

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20190907A0AIJM00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券