1.数据的选取

首先，导入数据集

StudentsS.xlsx

  1. import pandas as pd
  3. path = r'D:\pandas\tmp\StudentsS.xlsx'  # 定义一个path，令他等于数据集的地址
  4. data = pd.read_excel(path)  # 导入Excel格式文件中的数据

1.我们该如何查看学生成绩表中有哪些学生参加了考试呢？(查看学生那一列)

  1. print(data['Name']) # data[col] 以数组Series的形式返回选取的列
  2. # 如果想查看年龄就把['Name']更换成['Age']就行了
  3. """
  4. 0     Student_001
  5. 1     Student_002
  6. 2     Student_003
  7. 3     Student_004
  8. 4     Student_005
  9. 5     Student_006
  10. 6     Student_007
  11. 7     Student_008
  12. 8     Student_009
  13. 9     Student_010
  14. 10    Student_011
  15. 11    Student_012
  16. 12    Student_013
  17. 13    Student_014
  18. 14    Student_015
  19. 15    Student_016
  20. 16    Student_017
  21. 17    Student_018
  22. 18    Student_019
  23. 19    Student_020
  24. Name: Name, dtype: object
  25. """

2.如何只拿到每个学生的姓名和其对应的分数呢？(通过拼接列名)

  1. dataNew = data[['Name', 'Score']] # 以新的数据框的形式返回选取的列
  2. print(dataNew)

2.数据的清洗

1.如何检查数据中空值出现的情况？

  1. print(dataNew['Score'].isnull())  # 检查数据中空值出现的情况，并返回一个由布尔值组成的列
  3. """
  4. 0     False
  5. 1     False
  6. 2     False
  7. 3     False
  8. 4     False
  9. 5     False
  10. 6      True
  11. 7     False
  12. 8     False
  13. 9     False
  14. 10     True
  15. 11    False
  16. 12    False
  17. 13     True
  18. 14    False
  19. 15    False
  20. 16     True
  21. 17    False
  22. 18    False
  23. 19    False
  24. Name: Score, dtype: bool
  25. """

2.举一反三：之 notnull()

  1. print(dataNew['Score'].notnull()) # 检查数据中非空值出现的情况

3.举一反三：之 dropna()

  1. print(dataNew.dropna())  # 移除数据框DataFrame中包含空值的行
  2. #  # 横向扫描  只要一行的单元格中有一个NaN就删掉这一行
  3. """
  4. 如果我们想移除数据框中包含空值的列呢？  那么只要在dropna()括号里填写‘axis=1’ 就可以由行变列啦
  5. """
  7. """
  8.            Name  Score
  9. 0   Student_001   87.0
  10. 1   Student_002   92.0
  11. 2   Student_003  100.0
  12. 3   Student_004   73.0
  13. 4   Student_005   63.0
  14. 5   Student_006   93.0
  15. 7   Student_008   61.0
  16. 8   Student_009   85.0
  17. 9   Student_010   69.0
  18. 11  Student_012   54.0
  19. 12  Student_013   59.0
  20. 14  Student_015   59.0
  21. 15  Student_016   96.0
  22. 17  Student_018   87.0
  23. 18  Student_019   86.0
  24. 19  Student_020   94.0
  25. """

4.如何用0来替换空值呢？

  1. print(dataNew.fillna(0))  # 将数据框中的所有空值替换为0

3.数据的筛选

本次所用文件：
Students.xlsx
首先导入文件：

  1. import pandas as pd
  2. students = pd.read_excel('tmp\Students.xlsx', index_col='ID')

要求：筛选出年龄大于等于18，小于30，且成绩大于等于85，小于等于100之间的学生

  1. import pandas as pd
  2. # 通过自定义函数来进行筛选
  4. def age_18_to_30(a):
  5.     return 18 <= a < 30
  8. def level_a(s):
  9.     return 85 <= s <= 100
  12. students = pd.read_excel('tmp\Students.xlsx', index_col='ID')
  14. students = students.loc[students['Age'].apply(age_18_to_30)]. \
  15.     loc[students['Score'].apply(level_a)]
  16. print(students)
  17. """
  18.            Name  Age  Score
  19. ID                         
  20. 2   Student_002   26     92
  21. 6   Student_006   20     93
  22. 9   Student_009   18     85
  23. 19  Student_019   19     86
  24. 20  Student_020   20     94
  25. """
  1. import pandas as pd
  2. # 通过匿名函数也可以进行筛选
  3. students = pd.read_excel('tmp\Students.xlsx', index_col='ID')
  5. students = students.loc[students.Age.apply(lambda a: 18 <= a < 30)] \
  6.     .loc[students.Score.apply(lambda s: 85 <= s <= 100)]
  7. print(students)