Pandas

读取与索引

索引

df[["k1", "k2"]]  # 获取列名为 k1 和 k2 的列
df[df["k1"].str.contains("v1")]  # 获取列名为 k1 中含有 v1 的行

值修改

根据条件修改值

df.loc[df["k1"]=="v1", "k2"] = "v2"  # 如果满足 条件是列名为k1 的值为 v1 ，则将列名为 k2 的值修改为 v2
df.loc[((df["k1"]=="v1") & (df["k2"]=="v2")), "k3] = "v3"  # 多重条件，修改值

数据透视表

pandas.pivot_table(*data*, *values=None*, *index=None*, *columns=None*, *aggfunc='mean'*, *fill_value=None*, *margins=False*, *dropna=True*, *margins_name='All'*, *observed=False*)

使用前将要数据透视表的数据提取出来，再进行数据透视表，好像只需要 index, columns 参数来判断行和列各自为什么即可

• data：dataframe格式数据
• values：需要汇总计算的列，可多选
• index：行分组键，一般是用于分组的列名或其他分组键，作为结果DataFrame的行索引
• columns：列分组键，一般是用于分组的列名或其他分组键，作为结果DataFrame的列索引
• aggfunc：聚合函数或函数列表，默认为平均值：
  • 计数：len
  • 求和：np.sum,
  • 平均值：np.mean
  • 最大值：max ）
• fill_value：设定缺失替换值
• margins：是否添加行列的总计
• dropna：默认为True，如果列的所有值都是NaN，将不作为计算列，False时，被保留
• margins_name：汇总行列的名称，默认为All
• observed：是否显示观测值

修改格式

df["k1"] =  df["k1"].map(lambda x: str(x), na_action="ignore") # 将 k1 列修改为文本格式，遇到空值是忽略

openpyxl

在openpyxl中，主要用到三个概念：Workbooks，Sheets，Cells。

• Workbook就是一个excel工作表；
• Sheet是工作表中的一张表页；
• Cell就是简单的一个格。

列名与数值的转换

from openpyxl.utils import get_column_letter, column_index_from_string
# 根据列的数字返回字母
print(get_column_letter(2))  # B
# 根据字母返回列的数字
print(column_index_from_string('D'))  # 4

单元格格式

合并单元格

from openpyxl  import load_workbook
wb = load_workbook(r"xlsx 文件路径")  # 加载 excel 表
sheet = wb.get_sheet_by_name("Sheet1")  # 获取 sheet 表
sheet.merge_cells('A1:D1') # 合并一行中的几个单元格  #合并单元格 A1:D!
wb.save((r"C:\Users\asus pc\Desktop\新建文本文档2.xlsx"))  # 保存