1. pandas介紹

Pandas是一個強大的數據分析庫，它的Series和DataFrame數據結構，使得處理起二維表格數據變得非常簡單。

基于后面需要對Excel表格數據進行處理，有時候使用Pandas庫處理表格數據，會更容易、更簡單，因此我這里必須要講述。

Pandas庫是一個內容極其豐富的庫，這里并不會面面俱到。我這里主要講述的是如何利用Pandas庫完成 “表格讀取”、“表格取數” 和 “表格合并” 的任務。其實Pandas能實現的功能，遠遠不止這些，關于利用該庫如何實現數據清晰和圖表制作，不是本書的研究范圍，大家可以下去好好學習這個庫。

在使用這個庫之前，需要先導入這個庫。為了使用方便，習慣性給這個庫起一個別名pd，本書中只要是見到pd，指的都是Pandas。

2. Excel數據的讀取

Pandas支持讀取csv、excel、json、html、數據庫等各種形式的數據，非常強大。但是我們這里僅以讀取excel文件為例，講述如何使用Pandas庫讀取本地的excel文件。

在Pandas庫中，讀取excel文件使用的是pd.read_excel()函數，這個函數強大的原因是由于有很多參數供我們使用，是我們讀取excel文件更方便。在這里我們僅僅講述sheet_name、header、usecols和names四個常用參數。

① sheet_name參數詳解

我們知道一個excel文件是一個工作簿，一個工作簿有多個sheet表，每個sheet表中是一個表格數據。sheet_name參數就是幫助我們選擇要讀取的sheet表，具體用法如下。

sheet_name=正整數值，等于0表示讀取第一個sheet表，等于1表示讀取第二個sheet表，以此類推下去。

sheet_name=”sheet名稱”，我們可以利用每張sheet表的名稱，讀取到不同的sheet表，更方便靈活。

注意：如果不指定該參數，那么默認讀取的是第一個sheet表。

用法1：sheet_name=正整數值

df = pd.read_excel("readexcel.xlsx",sheet_name=1)
df

結果如下：

用法2：sheet_name=”sheet名稱”

df = pd.read_excel("readexcel.xlsx",sheet_name="考試成績表")
df

結果如下：

② header參數詳解

有時候待讀取的excel文件，可能有標題行，也有可能沒有標題行。但是默認都會將第一行讀取為標題行，這個對于沒有標題行的excel文件來說，顯得不太合適了，因此header參數可以很好的解決這個問題。

header=None，主要針對沒有標題行的excel文件，系統不會將第一行數據作為標題，而是默認取一個1,2,3…這樣的標題。

header=正整數值，指定哪一行作為標題行。

用法1：header=None

df = pd.read_excel("readexcel.xlsx",sheet_name="copy",header=None)
df

結果如下：

用法2：header=正整數值

df = pd.read_excel("readexcel.xlsx",sheet_name="基本信息表",header=1)
df

結果如下：

③ usecols參數詳解

當一張表有很多列的時候，如果你僅僅想讀取 這張表中的指定列，使用usecols參數是一個很好的選擇。

關于usecols參數，這里有多種用法，我們分別進行說明。

usecols=None，表示選擇一張表中的所有列，默認情況不指定該參數，也表示選擇表中的所有列。

usecols=[A,C]，表示選擇A列（第一列）和C列（第三列）。而usecols=[A,C:E]，表示選擇A列，C列、D列和E列。

usecols=[0,2]，表示選擇第一列和第三列。

# 下面這兩行代碼，均表示獲取前2列的數據
df = pd.read_excel("readexcel.xlsx",sheet_name="考試成績表",usecols=[1,2])
df = pd.read_excel("readexcel.xlsx",sheet_name="考試成績表",usecols="A:B")
df

結果如下：

④ names參數詳解

如果一張表沒有標題行，我們就需要為其指定一個標題，使用names參數，可以在讀取數據的時候，為該表指定一個標題。

names=[“列名1”,”列名2”…]：傳入一個列表，指明每一列的列名。

name_list = ["學號","姓名","性別","籍貫"]
df = pd.read_excel("readexcel.xlsx",sheet_name="copy",header=None,names=name_list)
df

結果如下：

3. Excel數據的獲取

知道怎么讀取excel文件中的數據后，接下來我們就要學著如何靈活獲取到excel表中任意位置的數據了。

這里我一共提供了5種需要掌握的數據獲取方式，分別是 “訪問一列或多列” ，“訪問一行或多行” ，“訪問單元格中某個值” ，“訪問多行多列” 。

① 什么是“位置索引”和標簽索引

在講述如何取數之前，我們首先需要理解“位置索引”和“標簽索引”這兩個概念。

每個表的行索引就是一個“標簽索引”，而標識每一行位置的數字就是 “位置索引”，如圖所示。

在pandas中，標簽索引使用的是loc方法，位置索引用的是iloc方法。接下來就基于圖中這張表，來帶著大家來學習如何 “取數”。

首先，我們需要先讀取這張表中的數據。

df = pd.read_excel("readexcel.xlsx",sheet_name="地區")
df

結果如下：

② 訪問一列或多列

“訪問一列或多列”，相對來說比較容易，直接采用中括號“標簽數組”的方式，就可以獲取到一列或多列。

方法1：訪問一列

df["武漢"]

方法2：訪問多列

df[["武漢","廣水"]]

③ 訪問一行或多行

“訪問一行或多行”，方法就比較多了，因此特別容易出錯，因此需要特別注意。

方法1：訪問一行

# 位置索引
df.iloc[0]
# 標簽索引
df.loc["地區1"]

方法2：訪問多行

# 位置索引
df.iloc[[0,1,3]]
# 標簽索引
df.loc[["地區1","地區2","地區4"]]

④ 訪問單元格中某個值

“訪問單元格中某個值”，也有很多種方式，既可以使用“位置索引”，也可以使用“標簽索引”。

# 使用位置索引
df.iloc[2,1]
# 使用標簽索引
df.loc["地區3","天門"]

⑤ 訪問多行多列

“訪問多行多列”，方法就更多了。我一共為大家總結了5種方法。第一，iloc+切片；第二種，loc+標簽數組；第三種，iloc+切片+位置數組；第四種，loc+切片+標簽數組。

方法1：iloc+切片

# 選取前3行數據的所有列
df.iloc[:3,:]

方法2：loc+標簽數組

# 選取地區1和地區3這兩行的武漢、孝感、廣水列
df.loc[["地區1","地區3"],['武漢','孝感','廣水']]

方法3：iloc+切片+位置數組

# 選取所有行的第2和第5列數據
df.iloc[:,[1,4]]

方法4：loc+切片+標簽數組

# 選取地區1和地區2這兩行的武漢和廣水列
df.loc[:"地區2":,["武漢","廣水"]]

4. Excel數據的拼接

在進行多張表合并的時候，我們需要將多張表的數據，進行縱向（上下）拼接。在pandas中，直接使用pd.concat()函數，就可以完成表的縱向合并。

關于pd.concat()函數，用法其實很簡單，里面有一個參數ignore_index需要我們注意，ignore_index=True，表示會忽略原始索引，生成一組新的索引。

如果不使用ignore_index參數

df1 = pd.read_excel("concat.xlsx",sheet_name="Sheet1")
df2 = pd.read_excel("concat.xlsx",sheet_name="Sheet2")
pd.concat([df1,df2],ignore_index=True)

結果如下：

從上表可以看到，里面有兩條記錄是完全重復的，我們直接可以再調用drop_duplicates()函數，實現去重操作。

df1 = pd.read_excel("concat.xlsx",sheet_name="Sheet1")
df2 = pd.read_excel("concat.xlsx",sheet_name="Sheet2")
pd.concat([df1,df2],ignore_index=True).drop_duplicates()

結果如下：

5. Excel數據寫出

當我們將某個Excel文件中的表，進行讀取、數據整理等一系列操作后，就需要將處理好的數據，導出到本地。其實Pandas庫中可以導出的數據格式有很多種，我們同樣以導出xlsx文件為例，進行講述。

在Pandas庫中，將數據導出為xlsx格式，使用的是DataFrame對象的to_excle()方法，其中這里面有4個常用的參數，詳情如下。

• excel_writer：表示數據寫到哪里去，可以是一個路徑，也可以是一個ExcelWriter對象。
• sheet_name：設置導出到本地的Excel文件的Sheet名稱。
• index：新導出到本地的文件，默認是有一個從0開始的索引列，設置index=False可以去掉這個索引列。
• columns：選擇指定列導出，默認情況是導出所有列。
• encoding：有時候導出的文件會出現亂碼的格式，這個時候就需要使用該參數設置文件編碼格式。

df1 = pd.read_excel("concat.xlsx",sheet_name="Sheet1")
df2 = pd.read_excel("concat.xlsx",sheet_name="Sheet2")
df3 = pd.concat([df1,df2],ignore_index=True)
df3.to_excel(excel_writer="to_excel.xlsx",sheet_name="to_excel",index=None)

6. ExcelWriter的使用

有時候我們需要將多excel表寫入同一個工作簿，這個時候就需要借助Pandas中的pd.ExcelWriter()對象，默認對于xls使用xlwt引擎，對于xlsx使用openpyxl引擎。

這里面有兩個參數，一個是路徑參數Path，表示生成文件的存放路徑，一個是時間格式化參數datetime_format，可以將生成文件中的時間列，按照指定時間格式化輸出。

df1 = pd.read_excel("concat.xlsx",sheet_name="Sheet1")
df2 = pd.read_excel("concat.xlsx",sheet_name="Sheet2")
with pd.ExcelWriter("excel_writer.xlsx",datetime_format="YYYY-MM-DD") as writer:
    df1.to_excel(excel_writer=writer,sheet_name="df1",index=None)
    df2.to_excel(excel_writer=writer,sheet_name="df2",index=None)

上面第三行代碼，我們打開了一個ExcelWriter對象的同時，將所有設計到時間列的數據，進行格式化輸出為年-月-日。

接著第四行代碼，我們將df1中的數據寫到這個ExcelWriter對象中，將這個Sheet取名為df1。

最后第五行代碼，再將df2中的數據寫入到這個ExcelWriter對象中，同樣將Sheet取名為df1。