excel学习库

excel表格_excel函数公式大全_execl从入门到精通

Python玩转Excel,使用Python读取Excel文件如此简单!

在数据分析中,常用的Excel文件格式有两种,一种是.xlsx格式,另一种是.csv格式,这里以导入.csv格式的文件为例,借助于Python中的pandas库导入Excel数据。

pandas是一个强大的Python数据分析库,其中包含了很多CSV文件数据的读写操作,这里主要介绍pandas读取CSV文件和写入CSV文件,以下是一些需要掌握的操作:

这里推荐使用jupyter notebook,打开jupyter notebook的界面如下,要写代码可以在new中新建一个Python3。

首先导入pandas包,该数据分析包可以做多种数据处理。

学习一个函数最佳的就是学习其参数,只要掌握其参数含义,就能使用其函数的用法了,这里介绍一个使用jupyter notebook的小技巧,当输入pd.read_csv(),却不知道里面包含哪些参数时,可以在括号()里使用电脑快捷键Shift+Tab键,就可以调出其参数。

比如这里pd.read_csv()包含如下一些参数:

pd.read_csv(filepath_or_buffer: Union[str, pathlib.Path, IO[~AnyStr]], sep=',', delimiter=None,             header='infer', names=None, index_col=None, usecols=None, squeeze=False, prefix=None,             mangle_dupe_cols=True, dtype=None, engine=None, converters=None, true_values=None,             false_values=None, skipinitialspace=False, skiprows=None, skipfooter=0, nrows=None,             na_values=None, keep_default_na=True, na_filter=True, verbose=False, skip_blank_lines=True,             parse_dates=False, infer_datetime_format=False, keep_date_col=False, date_parser=None,             dayfirst=False, cache_dates=True, iterator=False, chunksize=None, compression='infer',             thousands=None, decimal: str = '.', lineterminator=None, quotechar='"', quoting=0,             doublequote=True, escapechar=None, comment=None, encoding=None, dialect=None,             error_bad_lines=True, warn_bad_lines=True, delim_whitespace=False, low_memory=True,             memory_map=False, float_precision=None)

1. 读取 CSV 文件:

使用 Pandas 的 read_csv() 方法可以轻松地读取 CSV 文件。需要提供以下参数:

  • filepath_or_buffer: 文件路径,或者是有 read 方法的流对象。

  • sep: 分隔符,默认是逗号。

  • header: 指定哪行作为列的名称,如果没有行作为列名,那么应该设置 header=None,并且设置 names 参数。

  • names: 在 CSV 文件中没有一行来存储列名,可以使用 names 自己指定,并且设置 header=None。

  • index_col: 使用哪一列作为行索引,可以是列的位置,也可以是列的名称。如果没有指定,那么默认会自动生成一个顺序索引。

  • usecols: 加载哪几列。只加载某几列可以使用此参数。

2. 写入 CSV 文件:

Pandas 的 to_csv() 方法可以轻松地将数据写入 CSV 文件,pd.read_csv()包含如下一些参数:

df.to_csv(path_or_buf: Union[str, pathlib.Path, IO[~AnyStr], NoneType] = None, sep: str = ',',           na_rep: str = '', float_format: Union[str, NoneType] = None,           columns: Union[Sequence[Union[Hashable, NoneType]], NoneType] = None,          header: Union[bool, List[str]] = True, index: bool = True,           index_label: Union[bool, str, Sequence[Union[Hashable, NoneType]],           NoneType] = None, mode: str = 'w', encoding: Union[str, NoneType] = None,           compression: Union[str, Mapping[str, str], NoneType] = 'infer',           quoting: Union[int, NoneType] = None, quotechar: str = '"',           line_terminator: Union[str, NoneType] = None, chunksize: Union[int, NoneType] = None, date_format: Union[str, NoneType] = None, doublequote: bool = True, escapechar: Union[str, NoneType] = None, decimal: Union[str, NoneType] = '.', errors: str = 'strict') -> Union[str, NoneType]

  • data: 要写入的数据。

  • sep: 分隔符,默认是逗号。

  • header: 指定哪行作为列的名称,如果没有行作为列名,那么应该设置 header=None,并且设置 names 参数。

  • names: 在 CSV 文件中没有一行来存储列名,可以使用 names 自己指定,并且设置 header=None。

  • index_col: 使用哪一列作为行索引,可以是列的位置,也可以是列的名称。如果没有指定,那么默认会自动生成一个顺序索引。

以上介绍pandas中CSV文件的读写功能,还需大家在实践中加深理解,通过pandas学习,可以看到Python在数据处理中的优势,如果你想学习更多关于Python数据分析的内容,可以关注我,持续分享数据分析内容~

发表评论:

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。

«    2024年12月    »
1
2345678
9101112131415
16171819202122
23242526272829
3031
控制面板
您好,欢迎到访网站!
  查看权限
网站分类
搜索
最新留言
    文章归档
      友情链接