Python--Pandas基础------2

目录

一、导入Excel文件

1.导入xlsx文件

2.导入csv文件

3.head()与 tail()

4.info()

6.shape

二、修改变量列

1.columns

2.rename()

三、筛选变量列

四、删除变量列

五、添加变量列

一、导入Excel文件

在Pandas中导入Excel文件是一个常见的操作，可以使用read_excel()函数来实现。这个函数非常灵活，支持多种参数来定制导入过程，比如指定工作表（sheet）、跳过行（skiprows）、设置列名（header）等。

首先，确保你已经安装了pandas库和openpyxl库，因为pandas使用openpyxl来读取.xlsx文件。如果还没有安装，可以使用pip进行安装：

pip install pandas openpyxl

pandas.read_excel()函数还提供了许多其他参数来定制你的读取过程，比如：

• header：指定哪一行作为列名（默认是0，即第一行）。如果文件中没有列名，可以设置为None。
• skiprows：跳过文件开头的指定行数（或行号列表）。
• usecols：指定需要读取的列（可以通过列名或列的索引来指定）。
• dtype：指定列的数据类型。
• engine：用于读取Excel文件的引擎。Pandas 1.2.0及以后的版本默认使用openpyxl（用于.xlsx文件）和xlrd（用于旧的.xls文件，但注意xlrd从版本2.0.0开始不再支持.xlsx文件）。

1.导入xlsx文件

import pandas as pd  
  
# 指定Excel文件的路径  
file_path = 'your_file.xlsx'  
  
# 使用pandas的read_excel函数读取Excel文件  
# 默认读取第一个工作表  
df = pd.read_excel(file_path)  
  
# 显示前几行数据，以确认导入成功  
print(df.head())

如果你的.xlsx文件包含多个工作表，并且你想读取特定的工作表，你可以使用sheet_name参数。这个参数可以是一个工作表的名称（字符串），一个工作表的索引（整数，索引从0开始），或者是一个工作表名称的列表（用于一次性读取多个工作表）。

# 通过工作表名称读取  
df_sheet1 = pd.read_excel(file_path, sheet_name='Sheet1')  
  
# 通过工作表索引读取  
df_sheet2 = pd.read_excel(file_path, sheet_name=1)  # 注意索引是从0开始的  
  
# 一次性读取多个工作表，返回一个字典，键是工作表名，值是DataFrame  
dfs = pd.read_excel(file_path, sheet_name=['Sheet1', 'Sheet2'])  
  
# 遍历字典中的DataFrame  
for sheet_name, df in dfs.items():  
    print(f"Sheet Name: {sheet_name}")  
    print(df.head())  
    print()  # 打印一个空行，以便区分不同工作表的数据

2.导入csv文件

同样使用read（）函数

import pandas as pd  
  
# 指定CSV文件的路径  
file_path = 'your_file.csv'  
  
# 使用pandas的read_csv函数读取CSV文件  
df = pd.read_csv(file_path)  
  
# 显示前几行数据，以确认导入成功  
print(df.head())

3.head()与 tail()

当数据表中包含了数据行数过多时，而我们又想看一下每一列数据 都是什么样的数据时， 就可以把数据表中前几行或后几行数据显示出来进行查看 head()方法返回前 n 行(观察索引值)，显示元素的数量默认是 5，但 可以传递自定义数值 tail()方法返回后 n 行观察索引值)，显示元素的数量默认是 5，但可 以传递自定义数值

#浏览前几条记录 
df.head() 
df.head(10) 
#浏览最后几条记录 
df.tail()

4.info()

熟悉数据的第一点就是看下数据的类型，不同的数据类型的分析思 路是不一样的，比如说 数值类型的数据就可以求均值，但是字符类型的数据就没法求均值 了。 info()方法查看数据表中的数据类型，而且不需要一列一列的查看， info()可以输出整个表 中所有列的数据类型。

df.info()

6.shape

熟悉数据的第二点就是看下数据表的大小，即数据表有多少行多少列 。

#浏览前几条记录 df.head() df.head(10) #浏览最后几条记录 df.tail() 1 2 3 4 5 1 df.info()shape()方法会以元组的形式返回行、列数注意 shape 方法获取 行数和列数时不会把索引和列索引计算在内。

df.shape

二、修改变量列

1.columns

df.columns =新的名称 list 
df.columns

2.rename()

df.rename(
columns =新旧名称字典：｛旧名称，：新名称，｝ 
inplace = False :是否直接替换原数据框)
1
2
3
df.rename(columns = 
｛'newname':'name'
,
'newname2':'name2'｝, 
inplace = True ）

三、筛选变量列

1.通过 df.var 或 df[var] 可以选择单列

注意： 但只适用于已存在的列，只能筛选单列，结果为 Series

2.通过 df[[var]] 可以选择多列

df[[var]] 单列的筛选结果为 DataFream df[['var1' , 'var2']] 多列时，列名需要用列表形式提 供（因此可使用列表中的切片操作） 多列的筛选结果为 DF

四、删除变量列

df.drop（ 
index / columns =准备删除的行/列标签，多个时用列表
形式提供 
inplace = False :是否直接更改原数据框 ）
df.drop(columns =['col1'
,
'col2']）
del df['column-name'] 直接删除原数据框相应的一列，
建议尽量少用
del df.column_name #不允许

五、添加变量列

根据新数据添加 

df[cloumn] = pd.Series([val,val2,val3],index=
[c1,c2,c3])

根据原数据添加

df[cloumn] = df[c2]+df[c3]