亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

Python處理Excel的14個(gè)常用操作總結(jié)

 更新時(shí)間:2023年12月11日 08:29:40   作者:Sitin濤哥  
在數(shù)據(jù)處理和分析的領(lǐng)域中,Excel是一種被廣泛使用的工具,然而,通過Python處理Excel,能夠更好地實(shí)現(xiàn)自動(dòng)化和批量處理,本文為大家整理了14個(gè)Python處理Excel的常用操作,希望對(duì)大家有所幫助

在數(shù)據(jù)處理和分析的領(lǐng)域中,Excel是一種被廣泛使用的工具。然而,通過Python處理Excel,能夠更好地實(shí)現(xiàn)自動(dòng)化和批量處理。本文將深入探討Python中處理Excel的14個(gè)常用操作,并提供詳盡的示例代碼,以助您更全面地掌握這些技能。

1. 讀取 Excel 文件

使用 pandas 庫讀取 Excel 文件是一種常見的數(shù)據(jù)處理操作,它能夠快速加載 Excel 中的表格數(shù)據(jù),并將其轉(zhuǎn)換為數(shù)據(jù)框架(DataFrame)。以下是一個(gè)簡(jiǎn)單的示例代碼,演示如何使用 pandas 讀取 Excel 文件。

import pandas as pd

# 讀取 Excel 文件
file_path = 'example_data.xlsx'
df = pd.read_excel(file_path)

# 打印讀取的數(shù)據(jù)框架
print("讀取的數(shù)據(jù)框架:")
print(df)

在這個(gè)例子中,使用 pd.read_excel 函數(shù)讀取了一個(gè)名為 ‘example_data.xlsx’ 的 Excel 文件。讀取后,數(shù)據(jù)被存儲(chǔ)在一個(gè) pandas 數(shù)據(jù)框架中。

2. 寫入 Excel 文件

在處理數(shù)據(jù)后,將結(jié)果寫入新的 Excel 文件是一項(xiàng)常見的任務(wù)。使用 pandas 庫,可以將處理過的數(shù)據(jù)寫入新的 Excel 文件。以下是一個(gè)簡(jiǎn)單的示例代碼,演示如何使用 pandas 將數(shù)據(jù)寫入 Excel 文件。

import pandas as pd

# 創(chuàng)建示例數(shù)據(jù)框架
data = {
    'Product': ['A', 'B', 'C'],
    'Price': [25.5, 30.2, 15.8],
    'Quantity': [10, 8, 4]
}

df = pd.DataFrame(data)

# 將數(shù)據(jù)框架寫入 Excel 文件
df.to_excel('output_data.xlsx', index=False)

在這個(gè)例子中,使用 to_excel 函數(shù)將數(shù)據(jù)框架寫入 Excel 文件。參數(shù) index=False 表示不包含行索引信息。生成的 Excel 文件名為 ‘output_data.xlsx’。

3. 數(shù)據(jù)篩選與過濾

在數(shù)據(jù)分析中,經(jīng)常需要根據(jù)特定條件篩選和過濾數(shù)據(jù),以便只保留感興趣的部分。使用 pandas 庫,可以進(jìn)行數(shù)據(jù)篩選和過濾。以下是一個(gè)簡(jiǎn)單的示例代碼,演示如何使用 pandas 進(jìn)行數(shù)據(jù)篩選與過濾。

import pandas as pd

# 創(chuàng)建示例數(shù)據(jù)框架
data = {
    'Product': ['A', 'B', 'C', 'A', 'B'],
    'Price': [25.5, 30.2, 15.8, 22.0, 18.5],
    'Quantity': [10, 8, 4, 6, 2]
}

df = pd.DataFrame(data)

# 篩選 Price 大于 20 的數(shù)據(jù)
filtered_data = df[df['Price'] > 20]

# 打印篩選后的數(shù)據(jù)框架
print("Price 大于 20 的數(shù)據(jù):")
print(filtered_data)

在這個(gè)例子中,使用了條件篩選,保留了 ‘Price’ 列大于 20 的行數(shù)據(jù)。你可以根據(jù)實(shí)際需求定義不同的篩選條件,以過濾符合條件的數(shù)據(jù)。

4. 數(shù)據(jù)排序

在 Excel 中,數(shù)據(jù)排序是一種常見的操作,可以更好地理解數(shù)據(jù)的結(jié)構(gòu)和趨勢(shì)。使用 pandas 庫,可以對(duì)數(shù)據(jù)進(jìn)行排序。以下是一個(gè)簡(jiǎn)單的示例代碼,演示如何使用 pandas 對(duì)數(shù)據(jù)進(jìn)行排序。

import pandas as pd

# 創(chuàng)建示例數(shù)據(jù)框架
data = {
    'Product': ['B', 'A', 'C', 'D', 'A'],
    'Price': [30.2, 25.5, 15.8, 40.0, 20.5],
    'Quantity': [8, 10, 4, 2, 6]
}

df = pd.DataFrame(data)

# 按 'Product' 列升序排序
df_sorted = df.sort_values(by='Product')

# 打印排序后的數(shù)據(jù)框架
print("按 'Product' 列升序排序:")
print(df_sorted)

在這個(gè)例子中,使用 sort_values 函數(shù)按 ‘Product’ 列的值進(jìn)行升序排序。也可以通過指定 ascending=False 參數(shù)來實(shí)現(xiàn)降序排序。這種排序方式使可以更容易地觀察數(shù)據(jù)的特征和趨勢(shì)。

5. 數(shù)據(jù)統(tǒng)計(jì)與匯總

通過pandas的統(tǒng)計(jì)函數(shù),可以快速了解數(shù)據(jù)的統(tǒng)計(jì)信息,如均值、中位數(shù)等。

假設(shè)有一個(gè)包含銷售數(shù)據(jù)的數(shù)據(jù)框架sales_data,其中包括產(chǎn)品銷售額(sales_amount)、銷售數(shù)量(quantity)和單價(jià)(unit_price)等列。我們將使用這個(gè)數(shù)據(jù)框架來演示如何進(jìn)行全面的數(shù)據(jù)統(tǒng)計(jì)與匯總。

import pandas as pd

# 假設(shè)我們有一個(gè)包含銷售數(shù)據(jù)的數(shù)據(jù)框架
data = {
    'Product': ['A', 'B', 'C', 'A', 'B', 'A'],
    'Sales_Amount': [100, 150, 200, 120, 180, 130],
    'Quantity': [5, 3, 4, 6, 2, 5],
    'Unit_Price': [20, 50, 50, 20, 90, 26]
}

sales_data = pd.DataFrame(data)

# 打印原始數(shù)據(jù)
print("原始數(shù)據(jù):")
print(sales_data)

# 統(tǒng)計(jì)與匯總
mean_sales_amount = sales_data['Sales_Amount'].mean()
median_quantity = sales_data['Quantity'].median()
mode_product = sales_data['Product'].mode().values[0]
std_unit_price = sales_data['Unit_Price'].std()
min_sales_amount = sales_data['Sales_Amount'].min()
max_quantity = sales_data['Quantity'].max()

# 打印統(tǒng)計(jì)結(jié)果
print("\n統(tǒng)計(jì)與匯總結(jié)果:")
print(f"平均銷售額:{mean_sales_amount}")
print(f"銷售數(shù)量中位數(shù):{median_quantity}")
print(f"產(chǎn)品銷售頻率最高的是:{mode_product}")
print(f"單價(jià)標(biāo)準(zhǔn)差:{std_unit_price}")
print(f"最小銷售額:{min_sales_amount}")
print(f"最大銷售數(shù)量:{max_quantity}")

這個(gè)例子中,使用了均值、中位數(shù)、眾數(shù)、標(biāo)準(zhǔn)差、最小值和最大值等統(tǒng)計(jì)方法來全面了解銷售數(shù)據(jù)的特征。通過運(yùn)用這些統(tǒng)計(jì)函數(shù),可以更好地理解數(shù)據(jù)的分布、趨勢(shì)和離散程度,為進(jìn)一步的數(shù)據(jù)分析和決策提供了基礎(chǔ)。

6. 單元格格式設(shè)置

在處理 Excel 數(shù)據(jù)時(shí),自定義單元格格式是提高數(shù)據(jù)可讀性和呈現(xiàn)效果的關(guān)鍵步驟。使用 openpyxl 庫,可以輕松地對(duì) Excel 單元格進(jìn)行格式設(shè)置。下面是一些常見的單元格格式設(shè)置的例子。

from openpyxl import Workbook
from openpyxl.styles import Font, Alignment, PatternFill

# 創(chuàng)建一個(gè)工作簿和工作表
workbook = Workbook()
sheet = workbook.active

# 示例數(shù)據(jù)
data = [
    ["Product", "Price", "Quantity"],
    ["A", 25.5, 10],
    ["B", 30.2, 8],
    ["C", 15.8, 15],
]

# 將數(shù)據(jù)寫入工作表
for row in data:
    sheet.append(row)

# 單元格格式設(shè)置
# 設(shè)置標(biāo)題行的字體為粗體、字號(hào)14、顏色為藍(lán)色
sheet['A1'].font = Font(bold=True, size=14, color="0000FF")

# 設(shè)置數(shù)據(jù)區(qū)域的對(duì)齊方式為居中
for row in sheet.iter_rows(min_row=2, max_row=sheet.max_row, min_col=1, max_col=sheet.max_column):
    for cell in row:
        cell.alignment = Alignment(horizontal='center', vertical='center')

# 設(shè)置價(jià)格列的數(shù)值格式為貨幣格式
for row in sheet.iter_rows(min_row=2, max_row=sheet.max_row, min_col=2, max_col=2):
    for cell in row:
        cell.number_format = '"$"#,##0.00'

# 設(shè)置數(shù)量列的背景顏色為淺黃色
for row in sheet.iter_rows(min_row=2, max_row=sheet.max_row, min_col=3, max_col=3):
    for cell in row:
        cell.fill = PatternFill(start_color="FFFF99", end_color="FFFF99", fill_type="solid")

# 保存工作簿
workbook.save("formatted_excel.xlsx")

在這個(gè)例子中,通過 Font、Alignment 和 PatternFill 類來設(shè)置單元格的字體、對(duì)齊方式和背景顏色。這種格式設(shè)置使得 Excel 表格更加美觀、易讀,有助于突出數(shù)據(jù)的重要性和結(jié)構(gòu)??梢愿鶕?jù)實(shí)際需求調(diào)整這些設(shè)置,以滿足特定的數(shù)據(jù)展示要求。

7. 插入行與列

在處理 Excel 數(shù)據(jù)時(shí),插入新的行和列是保持?jǐn)?shù)據(jù)整潔和有序的關(guān)鍵步驟。使用 openpyxl 庫,可以輕松地在 Excel 表格中插入新的行和列。以下是一些插入行和列的示例代碼。

插入新的行

from openpyxl import Workbook

# 創(chuàng)建一個(gè)工作簿和工作表
workbook = Workbook()
sheet = workbook.active

# 原始數(shù)據(jù)
data = [
    ["Name", "Age", "Country"],
    ["Alice", 25, "USA"],
    ["Bob", 30, "Canada"],
]

# 將數(shù)據(jù)寫入工作表
for row in data:
    sheet.append(row)

# 打印原始數(shù)據(jù)
print("原始數(shù)據(jù):")
for row in sheet.iter_rows(values_only=True):
    print(row)

# 插入新的行(在第二行之后插入)
new_row_data = ["Charlie", 28, "UK"]
sheet.insert_rows(new_row_data, row_idx=2)

# 打印插入新行后的數(shù)據(jù)
print("\n插入新行后的數(shù)據(jù):")
for row in sheet.iter_rows(values_only=True):
    print(row)

# 保存工作簿
workbook.save("inserted_row.xlsx")

插入新的列

from openpyxl import Workbook

# 創(chuàng)建一個(gè)工作簿和工作表
workbook = Workbook()
sheet = workbook.active

# 原始數(shù)據(jù)
data = [
    ["Name", "Age", "Country"],
    ["Alice", 25, "USA"],
    ["Bob", 30, "Canada"],
]

# 將數(shù)據(jù)寫入工作表
for row in data:
    sheet.append(row)

# 打印原始數(shù)據(jù)
print("原始數(shù)據(jù):")
for row in sheet.iter_rows(values_only=True):
    print(row)

# 插入新的列(在第二列之后插入)
new_column_data = ["Female", "Male", "Female"]
sheet.insert_cols(values=new_column_data, col_idx=2)

# 打印插入新列后的數(shù)據(jù)
print("\n插入新列后的數(shù)據(jù):")
for row in sheet.iter_rows(values_only=True):
    print(row)

# 保存工作簿
workbook.save("inserted_column.xlsx")

這些示例代碼演示了如何使用 insert_rows 和 insert_cols 方法在 Excel 表格中插入新的行和列。

8. 合并單元格

在 Excel 中,合并單元格是一種常用的操作,用于創(chuàng)建更復(fù)雜的表格結(jié)構(gòu)或突出某些信息。使用 openpyxl 庫,可以實(shí)現(xiàn)合并和取消合并單元格的操作。以下是一些合并單元格的示例代碼。

合并單元格

from openpyxl import Workbook

# 創(chuàng)建一個(gè)工作簿和工作表
workbook = Workbook()
sheet = workbook.active

# 原始數(shù)據(jù)
data = [
    ["Name", "Age", "Country"],
    ["Alice", 25, "USA"],
    ["Bob", 30, "Canada"],
]

# 將數(shù)據(jù)寫入工作表
for row in data:
    sheet.append(row)

# 合并 A1 到 C1 的單元格
sheet.merge_cells('A1:C1')

# 在合并的單元格中寫入標(biāo)題
sheet['A1'] = 'Personal Information'

# 保存工作簿
workbook.save("merged_cells.xlsx")

取消合并單元格

from openpyxl import load_workbook

# 加載已存在的工作簿
workbook = load_workbook("merged_cells.xlsx")
sheet = workbook.active

# 取消合并 A1 到 C1 的單元格
sheet.unmerge_cells('A1:C1')

# 保存工作簿
workbook.save("unmerged_cells.xlsx")

在這個(gè)示例中,首先合并了 A1 到 C1 的單元格,創(chuàng)建了一個(gè)包含標(biāo)題的大標(biāo)題單元格。然后,演示了如何取消合并這些單元格。這種操作使得表格的布局更加靈活,可以根據(jù)實(shí)際需要進(jìn)行定制。

9. 公式計(jì)算

在 Excel 中添加公式是一種常見的操作,可以實(shí)現(xiàn)自動(dòng)計(jì)算,并隨著數(shù)據(jù)的更新而動(dòng)態(tài)調(diào)整。使用 openpyxl 庫,可以輕松地在 Excel 中插入公式。以下是一個(gè)添加公式的示例代碼。

from openpyxl import Workbook

# 創(chuàng)建一個(gè)工作簿和工作表
workbook = Workbook()
sheet = workbook.active

# 原始數(shù)據(jù)
data = [
    ["Product", "Price", "Quantity", "Total"],
    ["A", 25.5, 10, None],
    ["B", 30.2, 8, None],
]

# 將數(shù)據(jù)寫入工作表
for row in data:
    sheet.append(row)

# 添加公式計(jì)算 Total 列,Total = Price * Quantity
for row in range(2, sheet.max_row + 1):
    sheet[f'D{row}'] = f'B{row} * C{row}'

# 保存工作簿
workbook.save("formulas.xlsx")

在這個(gè)例子中,通過循環(huán)遍歷數(shù)據(jù)行,使用 Excel 公式 B(row) * C(row) 來計(jì)算 Total 列的值。這樣,無論數(shù)據(jù)如何變化,Total 列都會(huì)自動(dòng)更新。這種功能使得在 Excel 中進(jìn)行復(fù)雜的數(shù)據(jù)計(jì)算變得更加方便和靈活。

10. 圖表繪制

在 Excel 中插入圖表是一種直觀且生動(dòng)的方式,可以更清晰地展示數(shù)據(jù)的趨勢(shì)和關(guān)系。使用 openpyxl 和 matplotlib 庫,可以將數(shù)據(jù)可視化為圖表,并插入到 Excel 工作表中。以下是一個(gè)插入柱狀圖的示例代碼。

from openpyxl import Workbook
from openpyxl.chart import BarChart, Reference
import matplotlib.pyplot as plt
from io import BytesIO

# 創(chuàng)建一個(gè)工作簿和工作表
workbook = Workbook()
sheet = workbook.active

# 原始數(shù)據(jù)
data = [
    ["Category", "Value"],
    ["A", 25],
    ["B", 30],
    ["C", 20],
]

# 將數(shù)據(jù)寫入工作表
for row in data:
    sheet.append(row)

# 創(chuàng)建柱狀圖
chart = BarChart()
chart.title = "Category vs Value"
chart.x_axis.title = "Category"
chart.y_axis.title = "Value"

# 數(shù)據(jù)范圍
data_range = Reference(sheet, min_col=2, min_row=1, max_col=2, max_row=sheet.max_row)

# 設(shè)置圖表數(shù)據(jù)
chart.add_data(data_range, titles_from_data=True)

# 將圖表插入到工作表中
sheet.add_chart(chart, "D2")

# 保存工作簿
workbook.save("chart_example.xlsx")

在這個(gè)示例中,創(chuàng)建了一個(gè)包含柱狀圖的 Excel 工作表。首先,使用 BarChart 創(chuàng)建一個(gè)柱狀圖對(duì)象,然后設(shè)置圖表的標(biāo)題、X軸標(biāo)題和Y軸標(biāo)題。接著,通過 Reference 定義數(shù)據(jù)范圍,并使用 add_data 將數(shù)據(jù)添加到圖表中。最后,使用 add_chart 將圖表插入到工作表中。這樣,就能夠在 Excel 中通過圖表直觀地展示數(shù)據(jù)的分布和關(guān)系。

11. 數(shù)據(jù)透視表

數(shù)據(jù)透視表是一種強(qiáng)大的數(shù)據(jù)分析工具,可以幫助我們快速透視和匯總數(shù)據(jù)。使用 pandas 的 pivot_table 函數(shù),可以在 Python 中輕松創(chuàng)建數(shù)據(jù)透視表。以下是一個(gè)簡(jiǎn)單的示例代碼。

import pandas as pd

# 創(chuàng)建示例數(shù)據(jù)框架
data = {
    'Category': ['A', 'B', 'A', 'B', 'A', 'B'],
    'Value': [10, 15, 20, 25, 30, 35],
    'Quantity': [2, 3, 4, 5, 6, 7]
}

df = pd.DataFrame(data)

# 創(chuàng)建數(shù)據(jù)透視表
pivot_table = pd.pivot_table(df, values='Value', index='Category', columns='Quantity', aggfunc='sum', fill_value=0)

# 打印數(shù)據(jù)透視表
print("數(shù)據(jù)透視表:")
print(pivot_table)

在這個(gè)例子中,我們使用 pivot_table 函數(shù)根據(jù) ‘Category’ 和 ‘Quantity’ 列創(chuàng)建了一個(gè)數(shù)據(jù)透視表。我們指定了值列為 ‘Value’,使用 ‘sum’ 函數(shù)進(jìn)行匯總,如果某些組合不存在則用 0 填充。最后,打印了生成的數(shù)據(jù)透視表。

12. 數(shù)據(jù)驗(yàn)證

在 Excel 中設(shè)置數(shù)據(jù)驗(yàn)證規(guī)則是一種有效的方式,可以確保用戶輸入的數(shù)據(jù)符合預(yù)期的范圍或格式。使用 openpyxl 庫,可以添加數(shù)據(jù)驗(yàn)證規(guī)則。以下是一個(gè)簡(jiǎn)單的示例代碼,演示如何在 Excel 中設(shè)置數(shù)據(jù)驗(yàn)證規(guī)則。

from openpyxl import Workbook
from openpyxl.worksheet.datavalidation import DataValidation

# 創(chuàng)建一個(gè)工作簿和工作表
workbook = Workbook()
sheet = workbook.active

# 原始數(shù)據(jù)
data = [
    ["Name", "Age", "Country"],
    ["Alice", 25, "USA"],
    ["Bob", 30, "Canada"],
]

# 將數(shù)據(jù)寫入工作表
for row in data:
    sheet.append(row)

# 創(chuàng)建數(shù)據(jù)驗(yàn)證規(guī)則(Age 列只允許輸入 18 到 60 之間的整數(shù))
dv = DataValidation(type="whole", operator="between", formula1=18, formula2=60)
dv.errorTitle = "Invalid Input"
dv.error = "Age must be between 18 and 60."
dv.add("B2:B1048576")  # 應(yīng)用規(guī)則到整個(gè) B 列

# 添加數(shù)據(jù)驗(yàn)證規(guī)則到工作表
sheet.add_data_validation(dv)

# 保存工作簿
workbook.save("data_validation_example.xlsx")

在這個(gè)例子中,使用 DataValidation 類創(chuàng)建了一個(gè)數(shù)據(jù)驗(yàn)證規(guī)則,要求在 ‘B’ 列(Age 列)中輸入整數(shù),并且范圍必須在 18 到 60 之間。然后,將這個(gè)規(guī)則應(yīng)用到整個(gè) ‘B’ 列。這樣,用戶在輸入數(shù)據(jù)時(shí),將受到相應(yīng)范圍和格式的限制,提高了數(shù)據(jù)的準(zhǔn)確性。

13. 批量操作

批量操作是在 Excel 中處理大量數(shù)據(jù)時(shí)提高效率的關(guān)鍵。使用循環(huán)和函數(shù),可以對(duì)數(shù)據(jù)進(jìn)行批量處理。以下是一個(gè)簡(jiǎn)單的示例代碼,演示如何使用循環(huán)和函數(shù)批量操作 Excel 數(shù)據(jù)。

from openpyxl import Workbook

# 創(chuàng)建一個(gè)工作簿和工作表
workbook = Workbook()
sheet = workbook.active

# 原始數(shù)據(jù)
data = [
    ["Product", "Price", "Quantity", "Total"],
    ["A", 25.5, 10, None],
    ["B", 30.2, 8, None],
]

# 將數(shù)據(jù)寫入工作表
for row in data:
    sheet.append(row)

# 批量計(jì)算 Total 列的值(Total = Price * Quantity)
for row in range(2, sheet.max_row + 1):
    price = sheet[f'B{row}'].value
    quantity = sheet[f'C{row}'].value
    total = price * quantity
    sheet[f'D{row}'] = total

# 打印批量計(jì)算后的數(shù)據(jù)
print("批量計(jì)算后的數(shù)據(jù):")
for row in sheet.iter_rows(values_only=True):
    print(row)

# 保存工作簿
workbook.save("batch_operations.xlsx")

在這個(gè)例子中,使用循環(huán)遍歷數(shù)據(jù)行,并批量計(jì)算了 ‘Total’ 列的值。通過使用循環(huán),可以對(duì)整個(gè)數(shù)據(jù)集進(jìn)行高效的操作,而不需要逐個(gè)手動(dòng)處理每一行數(shù)據(jù)。

14. 錯(cuò)誤處理

在處理 Excel 數(shù)據(jù)時(shí),錯(cuò)誤是不可避免的。為了提高代碼的健壯性,可以使用異常處理機(jī)制來處理可能出現(xiàn)的錯(cuò)誤。以下是一個(gè)簡(jiǎn)單的示例代碼,演示如何使用異常處理來處理 Excel 操作中的錯(cuò)誤。

from openpyxl import Workbook

try:
    # 創(chuàng)建一個(gè)工作簿和工作表
    workbook = Workbook()
    sheet = workbook.active

    # 原始數(shù)據(jù)
    data = [
        ["Product", "Price", "Quantity", "Total"],
        ["A", 25.5, 10, None],
        ["B", 30.2, 8, None],
    ]

    # 將數(shù)據(jù)寫入工作表
    for row in data:
        sheet.append(row)

    # 嘗試計(jì)算 Total 列的值,但存在空值導(dǎo)致的錯(cuò)誤
    for row in range(2, sheet.max_row + 1):
        try:
            price = sheet[f'B{row}'].value
            quantity = sheet[f'C{row}'].value
            total = price * quantity
            sheet[f'D{row}'] = total
        except TypeError as e:
            print(f"Error in row {row}: {e}")

    # 打印處理后的數(shù)據(jù)
    print("處理后的數(shù)據(jù):")
    for row in sheet.iter_rows(values_only=True):
        print(row)

    # 保存工作簿
    workbook.save("error_handling_example.xlsx")

except Exception as e:
    print(f"An error occurred: {e}")

在這個(gè)例子中,使用了兩層異常處理。外層的異常處理捕獲了可能發(fā)生的任何異常,而內(nèi)層的異常處理僅捕獲特定的 TypeError,這是由于在計(jì)算 ‘Total’ 列時(shí)可能遇到的錯(cuò)誤類型。

總結(jié)

在這篇博客中,分享了使用 Python 處理 Excel 數(shù)據(jù)的各種技巧和方法。首先,學(xué)習(xí)了如何使用 pandas 庫讀取 Excel 文件,將表格數(shù)據(jù)轉(zhuǎn)換為數(shù)據(jù)框架,為后續(xù)處理打下了基礎(chǔ)。接著,介紹了數(shù)據(jù)篩選與過濾的方法,利用條件篩選功能,輕松地過濾和保留感興趣的數(shù)據(jù)。然后,學(xué)習(xí)了數(shù)據(jù)排序的操作,通過 pandas 的排序功能,使數(shù)據(jù)更具可讀性,更容易理解數(shù)據(jù)的結(jié)構(gòu)和趨勢(shì)。

還分享了數(shù)據(jù)的批量操作,通過循環(huán)和函數(shù),高效地對(duì) Excel 數(shù)據(jù)進(jìn)行批量處理,提高了代碼的復(fù)用性和效率。學(xué)習(xí)了如何利用 pandas 的數(shù)據(jù)透視表功能,輕松進(jìn)行數(shù)據(jù)透視和匯總,以及如何通過數(shù)據(jù)驗(yàn)證規(guī)則提高數(shù)據(jù)的準(zhǔn)確性。

進(jìn)一步,了解了如何處理 Excel 中的錯(cuò)誤,通過異常處理機(jī)制提高代碼的健壯性,確保在面對(duì)異常情況時(shí)程序能夠正常執(zhí)行。最后,學(xué)習(xí)了如何將處理過的數(shù)據(jù)寫入新的 Excel 文件,為數(shù)據(jù)的分享和進(jìn)一步分析提供了便捷的方式。

通過這些技巧和方法,我們能夠在 Python 中更靈活、高效地處理和分析 Excel 數(shù)據(jù),為數(shù)據(jù)科學(xué)和數(shù)據(jù)處理工作提供了豐富的工具和思路。無論是初學(xué)者還是有經(jīng)驗(yàn)的開發(fā)者,這些技能都將為處理實(shí)際工作中的 Excel 數(shù)據(jù)提供強(qiáng)大的支持。

以上就是Python處理Excel的14個(gè)常用操作總結(jié)的詳細(xì)內(nèi)容,更多關(guān)于Python處理Excel的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章!

相關(guān)文章

  • Django調(diào)用支付寶接口代碼實(shí)例詳解

    Django調(diào)用支付寶接口代碼實(shí)例詳解

    這篇文章主要介紹了Django調(diào)用支付寶接口代碼實(shí)例詳解,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下
    2020-04-04
  • python算法表示概念掃盲教程

    python算法表示概念掃盲教程

    這篇文章主要為大家詳細(xì)介紹了python算法表示概念掃盲教程,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2017-04-04
  • 利用python獲取想要搜索的數(shù)據(jù)

    利用python獲取想要搜索的數(shù)據(jù)

    這篇文章主要介紹了利用Python爬蟲采集想要搜索的信息(利用某du的接口實(shí)現(xiàn))并且處理掉它的反爬手段,文中示例代碼很詳細(xì),具有一定的學(xué)習(xí)價(jià)值,感興趣的小伙伴快來一起學(xué)習(xí)吧
    2023-05-05
  • Python3 多線程(連接池)操作MySQL插入數(shù)據(jù)

    Python3 多線程(連接池)操作MySQL插入數(shù)據(jù)

    本文將結(jié)合實(shí)例代碼,介紹Python3 多線程(連接池)操作MySQL插入數(shù)據(jù),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2021-06-06
  • Django的多表查詢操作實(shí)戰(zhàn)

    Django的多表查詢操作實(shí)戰(zhàn)

    Django提供一種強(qiáng)大而又直觀的方式來"處理"查詢中的關(guān)聯(lián)關(guān)系,它在后臺(tái)自動(dòng)幫你處理JOIN,下面這篇文章主要給大家介紹了關(guān)于Django多表查詢操作的相關(guān)資料,文中通過實(shí)例代碼介紹的非常詳細(xì),需要的朋友可以參考下
    2023-06-06
  • 使用python Telnet遠(yuǎn)程登錄執(zhí)行程序的方法

    使用python Telnet遠(yuǎn)程登錄執(zhí)行程序的方法

    今天小編就為大家分享一篇使用python Telnet遠(yuǎn)程登錄執(zhí)行程序的方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧
    2019-01-01
  • python定時(shí)任務(wù)apscheduler的詳細(xì)使用教程

    python定時(shí)任務(wù)apscheduler的詳細(xì)使用教程

    APScheduler的全稱是Advanced?Python?Scheduler,它是一個(gè)輕量級(jí)的?Python定時(shí)任務(wù)調(diào)度框架,下面這篇文章主要給大家介紹了關(guān)于python定時(shí)任務(wù)apscheduler的詳細(xì)使用教程,需要的朋友可以參考下
    2022-02-02
  • python 元組的使用方法

    python 元組的使用方法

    這篇文章主要介紹了python 元組的使用方法,文中講解非常細(xì)致,代碼幫助大家更好的參考和學(xué)習(xí),感興趣的朋友可以了解下
    2020-06-06
  • django自定義Field實(shí)現(xiàn)一個(gè)字段存儲(chǔ)以逗號(hào)分隔的字符串

    django自定義Field實(shí)現(xiàn)一個(gè)字段存儲(chǔ)以逗號(hào)分隔的字符串

    這篇文章主要介紹了django自定義Field實(shí)現(xiàn)一個(gè)字段存儲(chǔ)以逗號(hào)分隔的字符串的示例,需要的朋友可以參考下
    2014-04-04
  • Python使用gRPC實(shí)現(xiàn)數(shù)據(jù)分析能力的共享

    Python使用gRPC實(shí)現(xiàn)數(shù)據(jù)分析能力的共享

    gRPC是一個(gè)高性能、開源、通用的遠(yuǎn)程過程調(diào)用(RPC)框架,由Google推出,本文主要介紹了Python如何使用gRPC實(shí)現(xiàn)數(shù)據(jù)分析能力的共享,感興趣的可以了解下
    2024-02-02

最新評(píng)論