用Pandas完成Excel中常见的任务
引言
本文的目的，是向您展示如何使用pandas 来执行一些常见的Excel任务。有些例子比较琐碎，但我觉得展示这些简单的东西与那些你可以在其他地方找到的复杂功能同等重要。作为额外的福利，我将会进行一些模糊字符串匹配，以此来展示一些小花样，以及展示pandas是如何利用完整的Python模块系统去做一些在Python中是简单，但在Excel中却很复杂的事情的。
有道理吧？让我们开始吧。
为某行添加求和项
我要介绍的第一项任务是把某几列相加然后添加一个总和栏。
首先我们将excel 数据 导入到pandas数据框架中。
| 1234 | ; html–script: false ]import pandas as pdimport numpy as npdf = pd.read_excel(\”excel-comp-data.xlsx\”)df.head() |
我们想要添加一个总和栏来显示Jan、Feb和Mar三个月的销售总额。
在Excel和pandas中这都是简单直接的。对于Excel，我在J列中添加了公式sum(G2:I2)。在Excel中看上去是这样的：
下面，我们是这样在pandas中操作的：
| 12 | ; html–script: false ]df[\”total\”] = df[\”Jan\”] + df[\”Feb\”] + df[\”Mar\”]df.head() |
接下来，让我们对各列计算一些汇总信息以及其他值。如下Excel表所示，我们要做这些工作：
如你所见，我们在表示月份的列的第17行添加了SUM(G2:G16)，来取得每月的总和。
进行在pandas中进行列级别的分析很简单。下面是一些例子：
| 1 | ; html–script: false ]df[\”Jan\”].sum(), df[\”Jan\”].mean(),df[\”Jan\”].min(),df[\”Jan\”].max() |
| 1 | ; html–script: false ](1462000, 97466.666666666672, 10000, 162000) |
现在我们要把每月的总和相加得到它们的和。这里pandas和Excel有点不同。在Excel的单元格里把每个月的总和相加很简单。由于pandas需要维护整个DataFrame的完整性，所以需要一些额外的步骤。
首先，建立所有列的总和栏
| 12 | ; html–script: false ]sum_row=df[[\”Jan\”,\”Feb\”,\”Mar\”,\”total\”]].sum()sum_row |
| 12345 | ; html–script: false ]Jan 1462000Feb 1507000Mar 717000total 3686000dtype: int64 |
这很符合直觉，不过如果你希望将总和值显示为表格中的单独一行，你还需要做一些微调。
我们需要把数据进行变换，把这一系列数字转换为DataFrame，这样才能更加容易的把它合并进已经存在的数据中。T 函数可以让我们把按行排列的数据变换为按列排列。
| 12 | ; html–script: false ]df_sum=pd.DataFrame(data=sum_row).Tdf_sum |
在计算总和之前我们要做的最后一件事情是添加丢失的列。我们使用reindex来帮助我们完成。技巧是添加全部的列然后让pandas去添加所有缺失的数据。
| 12 | ; html–script: false ]df_sum=df_sum.reindex(columns=df.columns)df_sum |
现在我们已经有了一个格式良好的DataFrame，我们可以使用append来把它加入到已有的内容中。
tica, Arial, sans-serif;font-size: 20px;font-style: normal;font-weight: bold;line-height: 30px\”>引言
本文的目的，是向您展示如何使用pandas 来执行一些常见的Excel任务。有些例子比较琐碎，但我觉得展示这些简单的东西与那些你可以在其他地方找到的复杂功能同等重要。作为额外的福利，我将会进行一些模糊字符串匹配，以此来展示一些小花样，以及展示pandas是如何利用完整的Python模块系统去做一些在Python中是简单，但在Excel中却很复杂的事情的。
有道理吧？让我们开始吧。
为某行添加求和项
我要介绍的第一项任务是把某几列相加然后添加一个总和栏。
首先我们将excel 数据 导入到pandas数据框架中。
| 1234 | ; html–script: false ]import pandas as pdimport numpy as npdf = pd.read_excel(\”excel-comp-data.xlsx\”)df.head() |
我们想要添加一个总和栏来显示Jan、Feb和Mar三个月的销售总额。
在Excel和pandas中这都是简单直接的。对于Excel，我在J列中添加了公式sum(G2:I2)。在Excel中看上去是这样的：
下面，我们是这样在pandas中操作的：
| 12 | ; html–script: false ]df[\”total\”] = df[\”Jan\”] + df[\”Feb\”] + df[\”Mar\”]df.head() |
接下来，让我们对各列计算一些汇总信息以及其他值。如下Excel表所示，我们要做这些工作：
如你所见，我们在表示月份的列的第17行添加了SUM(G2:G16)，来取得每月的总和。
进行在pandas中进行列级别的分析很简单。下面是一些例子：
| 1 | ; html–script: false ]df[\”Jan\”].sum(), df[\”Jan\”].mean(),df[\”Jan\”].min(),df[\”Jan\”].max() |
| 1 | ; html–script: false ](1462000, 97466.666666666672, 10000, 162000) |
现在我们要把每月的总和相加得到它们的和。这里pandas和Excel有点不同。在Excel的单元格里把每个月的总和相加很简单。由于pandas需要维护整个DataFrame的完整性，所以需要一些额外的步骤。
首先，建立所有列的总和栏
| 12 | ; html–script: false ]sum_row=df[[\”Jan\”,\”Feb\”,\”Mar\”,\”total\”]].sum()sum_row |
| 12345 | ; html–script: false ]Jan 1462000Feb 1507000Mar 717000total 3686000dtype: int64 |
这很符合直觉，不过如果你希望将总和值显示为表格中的单独一行，你还需要做一些微调。
我们需要把数据进行变换，把这一系列数字转换为DataFrame，这样才能更加容易的把它合并进已经存在的数据中。T 函数可以让我们把按行排列的数据变换为按列排列。
| 12 | ; html–script: false ]df_sum=pd.DataFrame(data=sum_row).Tdf_sum |
在计算总和之前我们要做的最后一件事情是添加丢失的列。我们使用reindex来帮助我们完成。技巧是添加全部的列然后让pandas去添加所有缺失的数据。
| 12 | ; html–script: false ]df_sum=df_sum.reindex(columns=df.columns)df_sum |
现在我们已经有了一个格式良好的DataFrame，我们可以使用append来把它加入到已有的内容中。
上一篇：通过示例学习Python列表推导
下一篇：用Python挖掘Linux系统