Pandas读取并修改excel

一、前言

最近总是和excel打交道，由于数据量较大，人工来修改某些数据可能会有点浪费时间，这时候就使用到了Python数据处理的神器—–Pandas库，话不多说，直接上Pandas。

二、安装

这次使用的python版本是python2.7，安装python可以去python的官网进行下载，这里不多说了。

安装完成后使用Python自带的包管理工具pip可以很快的安装pandas。

pip [color=rgb(0, 0, 136) !important]install pandas

• 1
  

如果使用的是Anaconda安装的Python，会自带pandas。

三、read_excel()介绍

首先可以先创建一个excel文件当作实验数据，名称为example.xlsx，内容如下：

[color=rgba(0, 0, 0, 0.75)]

这里是很简单的几行数据，我们来用pandas实际操作一下这个excel表。

[color=rgb(0, 153, 0) !important]# coding:utf-8import pandas as pddata = pd.read_excel('example.xlsx', sheet_name='Sheet1')[color=rgb(0, 153, 0) !important]print data

• 1
• 2
• 3
• 4
• 5
  

结果如下：

这里使用了read_excel()方法来读取excel，来看一个read_excel()这个方法的API，这里只截选一部分经常使用的参数：

pd.read_excel(io, sheet_name=[color=rgb(0, 102, 102) !important]0, [color=rgb(0, 0, 136) !important]header=[color=rgb(0, 102, 102) !important]0, names=[color=rgb(0, 102, 102) !important]None, index_col=[color=rgb(0, 102, 102) !important]None, usecols=[color=rgb(0, 102, 102) !important]None)

• 1
  

这里主要参数为io，sheet_name，header，usecols和names

io：excel文件，如果命名为中文，在python2.7中，需要使用decode()来解码成unicode字符串，例如： pd.read_excel('示例'.decode('utf-8))sheet_name：返回指定的sheet，如果将sheet_name指定为None，则返回全表，如果需要返回多个表，可以将sheet_name指定为一个列表，例如['sheet1', 'sheet2']header：指定数据表的表头，默认值为0，即将第一行作为表头。usecols：读取指定的列，例如想要读取第一列和第二列数据：    pd.read_excel("example.xlsx", sheet_name=None, usecols=[0, 1])

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
  

四、使用

这里先来一个在机器学习中经常使用的：将所有gender为male的值改为0，female改为1。

[color=rgb(0, 153, 0) !important]# coding:utf-8import pandas as pdfrom pandas import DataFrame[color=rgb(0, 153, 0) !important]# 读取文件data = pd.read_excel("example.xlsx", sheet_name="Sheet1")[color=rgb(0, 153, 0) !important]# 找到gender这一列，再在这一列中进行比较data['gender'][data['gender'] == 'male'] = 0data['gender'][data['gender'] == 'female'] = 1print data

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
  

结果如下：

需要注意的是，这里的data为excel数据的一份拷贝，对data进行修改并不会直接影响到我们原来的excel，必须在修改后保存才能够修改excel。保存的代码如下：

DataFrame(data).to_excel('example.xlsx', sheet_name='Sheet1', index=False, header=True)

• 1
  

这时候我们再打开example.xlsx文件看看是否更改了：

如果我们想要新增加一列或者一行数据怎么办呢？这里给出参考：

新增列数据：

data['列名称'] = None

• 1
  

新增行数据，这里行的num为excel中自动给行加的id数值

data.loc[行的num] = [值1， 值2， ...]

• 1
  

以上面的数据为例：

[color=rgb(136, 0, 0) !important]# coding:utf-8[color=rgb(0, 0, 136) !important]import pandas [color=rgb(0, 0, 136) !important]as pd[color=rgb(0, 0, 136) !important]from pandas [color=rgb(0, 0, 136) !important]import DataFramedata = pd.read_excel([color=rgb(0, 153, 0) !important]"example.xlsx", sheet_name=[color=rgb(0, 153, 0) !important]'Sheet1')[color=rgb(136, 0, 0) !important]# 增加行数据，在第5行新增data.loc[[color=rgb(0, 102, 102) !important]5] = [[color=rgb(0, 153, 0) !important]'James', [color=rgb(0, 102, 102) !important]32, [color=rgb(0, 153, 0) !important]'male'][color=rgb(136, 0, 0) !important]# 增加列数据，给定默认值Nonedata[[color=rgb(0, 153, 0) !important]'profession'] = [color=rgb(0, 0, 136) !important]None[color=rgb(136, 0, 0) !important]# 保存数据DataFrame(data).to_excel([color=rgb(0, 153, 0) !important]'example.xlsx', sheet_name=[color=rgb(0, 153, 0) !important]'Sheet1', index=[color=rgb(0, 0, 136) !important]False, header=[color=rgb(0, 0, 136) !important]True)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
  

打开excel看到的结果如下：

说完了增加一行或一列，那怎样删除一行或一列呢？

[color=rgb(0, 0, 136) !important]import pandas [color=rgb(0, 0, 136) !important]as pd[color=rgb(0, 0, 136) !important]from pandas [color=rgb(0, 0, 136) !important]import DataFramedata = pd.read_excel([color=rgb(0, 153, 0) !important]"example.xlsx", sheet_name=[color=rgb(0, 153, 0) !important]'Sheet1')[color=rgb(136, 0, 0) !important]# 删除gender列，需要指定axis为1，当删除行时，axis为0data = data.drop([color=rgb(0, 153, 0) !important]'gender', axis=[color=rgb(0, 102, 102) !important]1)[color=rgb(136, 0, 0) !important]# 删除第3,4行，这里下表以0开始，并且标题行不算在类data = data.drop([[color=rgb(0, 102, 102) !important]2, [color=rgb(0, 102, 102) !important]3], axis=[color=rgb(0, 102, 102) !important]0)[color=rgb(136, 0, 0) !important]# 保存DataFrame(data).to_excel([color=rgb(0, 153, 0) !important]'example.xlsx', sheet_name=[color=rgb(0, 153, 0) !important]'Sheet1', index=[color=rgb(0, 0, 136) !important]False, header=[color=rgb(0, 0, 136) !important]True)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
  

这时候打开excel可以看见gender列和除标题行的第3，4行被删除了。

总结

pandas除了上述的基本功能以外，还有其它更高级的操作，想要进一步学习的小伙伴们可以去pandas网站进行学习。