非常适用于大量数据的拼接、清洗、筛选及分析
在计算机编程中，pandas是Python编程语言的用于数据操纵和分析的软件库。特别是，它提供操纵数值表格和时间序列的数据结构和运算操作。它的名字衍生自术语“面板数据”（panel data），这是计量经济学的数据集术语，它们包括了对同一个体的在多个时期上的观测。它的名字是短语“Python data analysis”自身的文字游戏。
目录 Python处理Excel数据-pandas篇一、安装环境1、打开以下文件夹（个人路径会有差异）：2、按住左Shift右键点击空白处，选择【在此处打开Powershell窗口（s）】3、输入以下代码通过Pip进行安装Pandas库 二、数据的新建、保存与整理1、新建数据保存到Excel2、读取txt文件，将内容保存到Excel（引用B站UP 欢喜的美女示例文件）3、读取Excel及DataFrame的使用方式 三、数据排序与查询1、排序例1：按语文分数排序降序，数学升序，英语降序例2：按索引进行排序 2、查询单条件查询多条件查询使用数据区间范围进行查询使用条件表达式进行查询
一、安装环境 1、打开以下文件夹（个人路径会有差异）： C:UsersAdministratorAppDataLocalProgramsPythonPython38Scripts 2、按住左Shift右键点击空白处，选择【在此处打开Powershell窗口（s）】
3、输入以下代码通过Pip进行安装Pandas库./pip install pandas
./pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pandas
安装完成后会有提示：Successfully installed pandas
二、数据的新建、保存与整理 1、新建数据保存到Excel import pandas as pdpath = 'E:python测试测试文件.xlsx'data= pd.DataFrame({'序号':[1,2,3],'姓名':['哭泣的天空','甜美的蜜粉','王五']})data= data.set_index('序号') #设置索引列为'序号'列data.to_excel(path) 2、读取txt文件，将内容保存到Excel（引用B站UP 欢喜的美女示例文件）Txt文件：
E:python练习.txt
男,xfdxrk,19,13901234567,终南山古墓,2000/1/1
女,mndlc,25,13801111111,终南山古墓,2000/1/2
男,twdzh,40,13705555555,湖北襄阳,2020/1/1
女,清爽的音响,35,13601111111,湖北襄阳,2000/1/4
男,ddwd,18,13506666666,明教,2000/1/5
女,繁荣的菠萝,17,13311111111,明教,2000/1/6
女,sxdlm,17,18800000000,明教,2000/1/7
import pandas as pdpath = r'E:python练习.txt'data = pd.read_csv(path,header=None,names=['性别','姓名','年龄','地址','号码','时间'])data.to_excel( r'E:python练习.xlsx') #将数据储存为Excel文件 3、读取Excel及DataFrame的使用方式 import pandas as pdpath = 'E:python测试\数据查询.xlsx'data = pd.DataFrame(pd.read_excel(path,sheet_name='Left',header=1,converters={'A': str})) # converters={'A': str} 设置A列格式为文本data.index # 查看索引data.values # 查看数值data.sort_index() # 按索引排序data.sort_values() # 按数值排序data.head( 5 ) # 查看前5行data.tail( 3 ) # 查看后3行data.values # 查看数值datashape # 查看行数、列数data.isnull() # 查找data中出现的空值data.unique() # 查看唯一值data.columns # 查看data的列名data.sort_index() # 索引排序 data.sort_values() # 值排序pd.merge(data1,data2) # 合并,以下为左连接pd.merge(data1,data2,on=[a],how='left') pd.concat([data1,data2]) # 合并，与merge的区别，自查**（特别注意要使用[]）**pd.pivot_table( data ) # 用df做data透视表（类似于Excel的数透）data.reset_index() # 修改、删除原有索引data.reindex() # 重置索引，如下示例data=data.reindex(columns=['商品名称', '规格', '对应车型类别', '备注', '新增的一列'], fill_value='新增的一列要填的值') a=data['x'] # 取列名为'x'的列，格式为seriesb=data[['x']] # 取列名为'x'的列，格式为Dataframec=data[['w','z']] # 取多列时需要用Dataframe的格式data.loc['A'] # 取行名为'A'的行data.loc[:,['x','z'] ] # 表示选取所有的行以及columns为x,z的列data['name'].values # 取列名为'name'的列的值（取出来的是array而不是series）取单行后是一个Series，Series有index而无columns，可以用name来获取单列的索引data.head(4) # 取头四行data.tail(3) # 取尾三行**data= data.iloc[2:, 2:20] # 选择2行开始、2-11列**[m, n] = data.shape # 对m,n进行复制，m等于最大行数 n等于最大列数data.notnull() # 非空值data.dropna() # 删除空值data.dropna() # 删除有空值的行data.dropna(axis=1) # 删除有空值的列data.dropna(how='all') # 删除所有值为Nan的行data.dropna(thresh=2) # 至少保留两个非缺失值data.strip() # 去除列表中的所有空格与换行符号data.fillna(0) # 将空值填充0data.replace(1, -1) # 将1替换成-1data.fillna(100) # 填充缺失值为100data.fillna({'语文':100,'数学':100,}) # 不同列填充不同值data.fillna(method='ffill') # 将空值填充为上一个值data.fillna(method='bfill') # 将空值填充下一个值data.fillna(method='bfill',limit=1) # 将空值填充下一个值，限制填充数量为1 三、数据排序与查询 1、排序 例1：按语文分数排序降序，数学升序，英语降序 import pandas as pdpath = 'c:/pandas/排序.xlsx'data= pd.read_excel(path ,index_col='序号')data.sort_values(by=['语文','数学','英语'],inplace=True,ascending=[False,True,False])print(data) 例2：按索引进行排序 import pandas as pdpath = 'c:/pandas/排序.xlsx'data = pd.read_excel(路径,index_col='序号')data.sort_index(inplace=True)print(data) 2、查询 单条件查询 import pandas as pdpath = 'c:/pandas/筛选.xlsx'data = pd.read_excel(path ,index_col='出生日期')print(data.loc['1983-10-27','语文']) 多条件查询 import pandas as pdpath = 'c:/pandas/筛选.xlsx'data = pd.read_excel(path ,index_col='出生日期')print(data.loc['1983-10-27',['语文','数学','英语']]) 使用数据区间范围进行查询 import pandas as pdpath = 'c:/pandas/筛选.xlsx'data = pd.read_excel(path,index_col='出生日期')print(data.loc['1983-10-27':'1990-12-31',['语文','数学','英语']]) 使用条件表达式进行查询 import pandas as pdpath = 'c:/pandas/筛选.xlsx'data = pd.read_excel(路径,index_col='出生日期')print(data.loc[(data['语文'] > 60) & (data['英语'] < 60),:]) #这里的 ,: 指的是列取全部今天的分享到此就结束啦，后续还会继续更新~