Python处理Excel，学会这十四个方法，工作量减少大半

#设置bins,和分组名称

bins=[-10,7091,10952,17656,37556]

groups=[“较差”,“中等”,“较好”,“非常好”]

#使用cut分组

#sale_area[“分组”]=pd.cut(sale_area[“利润”],bins,labels=groups)

7、对比两列差异

因为这表每列数据维度都不一样，比较起来没啥意义，所以我先做了个订单明细号的差异再进行比较。

需求：比较订单明细号与订单明细号2的差异并显示出来。

sale[“订单明细号2”]=sale[“订单明细号”]

#在订单明细号2里前10个都+1.

sale[“订单明细号2”][1:10]=sale[“订单明细号2”][1:10]+1

#差异输出

result=sale.loc[sale[“订单明细号”].isin(sale[“订单明细号2”])==False]

8、异常值替换

首先用describe()函数简单查看一下数据有无异常值。

#可看到销项税有负数，一般不会有这种情况，视它为异常值。

sale.describe()

需求

用0代替异常值。

sale[“订单金额”]=sale[“订单金额”].replace(min(sale[“订单金额”]),0)

9、缺失值处理

先查看销售数据哪几列有缺失值

#列的行数小于index的行数的说明有缺失值，这里客户名称329<335,说明有缺失值

sale.info()

需求

用0填充缺失值或则删除有客户编码缺失值的行

实际上缺失值处理的办法是很复杂的，这里只介绍简单的处理方法，若是数值变量，最常用平均数或中位数或众数处理，比较复杂的可以用随机森林模型根据其他维度去预测结果填充。

若是分类变量，根据业务逻辑去填充准确性比较高。

比如这里的需求填充客户名称缺失值：就可以根据存货分类出现频率最大的存货所对应的客户名称去填充。

这里我们用简单的处理办法：用0填充缺失值或则删除有客户编码缺失值的行。

#用0填充缺失值

sale[“客户名称”]=sale[“客户名称”].fillna(0)

#删除有客户编码缺失值的行

sale.dropna(subset=[“客户编码”])

10、数据分列

需求

将日期与时间分列

sale=pd.merge(sale,pd.DataFrame(sale[“单据日期”].str.split(" ",expand=True)),how=“inner”,left_index=True,right_index=True)

11、 模糊筛选数据

需求

筛选存货名称含有"三星"或则含有"索尼"的信息

sale.loc[sale[“存货名称”].str.contains(“三星|索尼”)]

12、删除数据间的空格

需求

删除存货名称两边的空格

sale[“存货名称”].map(lambda s