Python pandas 操作 excel 详解_pandas处理excel_python panda excel遍历

import pandas as pd

# 文件路径
filePath = r'C:\Users\Administrator\Desktop\Temp\1.xlsx'

# 1.读取 excel（默认第 1 行为标题，行索引为 0，即：header=0）
student = pd.read_excel(filePath)
print(student.columns)
# Index(['ID', 'Name', 'Age', 'Grade'], dtype='object')

1
2
3
4
5
6
7
8
9
10

场景2：指定第 n 行为标题

import pandas as pd

# 文件路径
filePath = r'C:\Users\Administrator\Desktop\Temp\1.xlsx'

# 场景2：excel 中第 2 行才是我们想要的标题（即：header=1）
student = pd.read_excel(filePath, header=1)
print(student.columns)
# Index(['ID', 'Name', 'Age', 'Grade'], dtype='object')

1
2
3
4
5
6
7
8
9
10

场景3：没有标题，需要人为给定

import pandas as pd

# 文件路径
filePath = r'C:\Users\Administrator\Desktop\Temp\1.xlsx'

# 场景3：excel 中没有标题，需要人为设定
student = pd.read_excel(filePath, header=None)
student.columns = ['ID', 'Name', 'Age', 'Grade']
student.set_index('ID', inplace=True)  # 指定索引列，并替换原数据
student.to_excel(filePath)  # 写入至 Excel
print(student)
# Name Age Grade
# ID 
# 1 张三 18 90
# 2 李四 20 70
# 3 王五 21 80
# 4 赵六 19 90

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

2.2.2 index_col：索引列

import pandas as pd

# 文件路径
filePath = r'C:\Users\Administrator\Desktop\Temp\1.xlsx'

# 读取 Excel，不指定索引列（会默认新增一个索引列，从 0 开始）
student = pd.read_excel(filePath)
print(student)
# ID Name Age Grade
# 0 1 张三 18 90
# 1 2 李四 20 70
# 2 3 王五 21 80
# 3 4 赵六 19 90


# 读取 Excel，指定索引列
student = pd.read_excel(filePath, index_col='ID')
print(student)
# Name Age Grade
# ID 
# 1 张三 18 90
# 2 李四 20 70
# 3 王五 21 80
# 4 赵六 19 90

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

索引相关：

import pandas as pd

# 文件路径
filePath = r'C:\Users\Administrator\Desktop\Temp\1.xlsx'

# 1.读取 excel，并指定索引列
student = pd.read_excel(filePath, index_col='ID')

1
2
3
4
5
6
7
8

2.2.3 dtype：数据类型

import pandas as pd

# 文件路径
filePath = r'C:\Users\Administrator\Desktop\Temp\1.xlsx'

# 1.读取 excel 并指定 数据类型
student = pd.read_excel(filePath, dtype={'ID': str, 'Name': str, 'Age': int, 'Grade': float})
print(student)
# ID Name Age Grade
# 0 1 张三 18 90.0
# 1 2 李四 20 70.0
# 2 3 王五 21 80.0
# 3 4 赵六 19 90.0

1
2
3
4
5
6
7
8
9
10
11
12
13
14

2.2.4 skiprows：跳过的行数

• 比如：Excel 中有空行，如下图
• 实际的数据是在第 3 行，所以要跳过前 2 行

import pandas as pd

# 文件路径
filePath = r'C:\Users\Administrator\Desktop\Temp\1.xlsx'

student = pd.read_excel(filePath, skiprows=2)
print(student)
# ID Name Age Grade
# 0 1 张三 18 90
# 1 2 李四 20 70
# 2 3 王五 21 80
# 3 4 赵六 19 90

1
2
3
4
5
6
7
8
9
10
11
12
13

2.2.5 usercols：指定列数

import pandas as pd

# 文件路径
filePath = r'C:\Users\Administrator\Desktop\Temp\1.xlsx'

# 读取 Excel B - D 列（均包含）
student = pd.read_excel(filePath, usecols='B:D')
print(student)
# Name Age Grade
# 0 张三 18 90
# 1 李四 20 70
# 2 王五 21 80
# 3 赵六 19 90

1
2
3
4
5
6
7
8
9
10
11
12
13
14

2.2.6 head(n)、tail(n)：读取前、后 n 行数据

• 有时候，excel 数据量很大，读取全部会很耗时，也没必要
• 咱测试时，仅读取部分行即可

import pandas as pd

# 1.读取 excel
student = pd.read_excel(r'C:\Users\Administrator\Desktop\Temp\1.xlsx')

# 读取前 3 行数据（默认 5 行）
print(student.head(3))

# 读取后 3 行数据（默认 5 行）
print(student.tail(3))

1
2
3
4
5
6
7
8
9
10
11

2.3 读写数据

2.3.1 at()：获取单元格

import pandas as pd

# 文件路径
filePath = r'C:\Users\Administrator\Desktop\Temp\1.xlsx'

# 1.读取 excel 并指定 索引
student = pd.read_excel(filePath, index_col=None)

for i in person.index:
    # 读写单元格：ID列，i行 的数据
    student['ID'].at[i] = i + 2

print(student)

1
2
3
4
5
6
7
8
9
10
11
12
13
14

2.3.2 loc[]：数据筛选

import pandas as pd


def age\_18\_to\_20(age):
    return 18 <= age <= 20


def grade\_good(grade):
    return 90 <= grade <= 100


# 文件路径
filePath = r'C:\Users\Administrator\Desktop\Temp\1.xlsx'

# 1.读取 excel 并指定 索引
student = pd.read_excel(filePath, index_col='ID')
student = student.loc[student['Age'].apply(age_18_to_20)].loc[student['Grade'].apply(grade_good)]
print(student)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

2.3.3 sort_values()：数据排序

import pandas as pd

# 文件路径
filePath = r'C:\Users\Administrator\Desktop\Temp\1.xlsx'

# 1.读取 excel 并指定 索引
student = pd.read_excel(filePath, index_col='ID')

# 功能：排序
# by：待排序的字段
# ascending：顺序(True) 还是 逆序(False)
# inplace：是否替换当前对象
# 方式1：排序单个字段
student.sort_values(by='Grade', ascending=False, inplace=True)
print(student)
# Name Grade
# ID 
# 1 张三 90
# 4 赵六 90
# 3 王五 80
# 2 李四 70

# 方式2：排序多个字段，如：先顺序排列 Grade, 后逆序排列 ID
student.sort_values(by=['Grade', 'ID'], ascending=[True, False], inplace=True)
print(student)
# Name Grade
# ID 
# 2 李四 70
# 3 王五 80
# 4 赵六 90
# 1 张三 90

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

3 实战

3.1 遍历 Excel

import pandas as pd


def read\_excel(excel_name):
    data = pd.read_excel(excel_name)
    for row in data.itertuples():
        # Index：索引, Name：字段名
        print(row.Index, row.Name)

**自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。**

**深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！**

**因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。**

![img](https://img-blog.csdnimg.cn/img_convert/dadce3a479fe025695bf69f54ee6c9ae.png)

 

![img](https://img-blog.csdnimg.cn/img_convert/b40a08cda6c1a09ee82250f54ccf6dee.png)

![img](https://img-blog.csdnimg.cn/img_convert/46506ae54be168b93cf63939786134ca.png)

![img](https://img-blog.csdnimg.cn/img_convert/252731a671c1fb70aad5355a2c5eeff0.png)

![img](https://img-blog.csdnimg.cn/img_convert/6c361282296f86381401c05e862fe4e9.png)

![img](https://img-blog.csdnimg.cn/img_convert/9f49b566129f47b8a67243c1008edf79.png)

 

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！**

**由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新**

**如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）**

/img_convert/6c361282296f86381401c05e862fe4e9.png)

![img](https://img-blog.csdnimg.cn/img_convert/9f49b566129f47b8a67243c1008edf79.png)

 

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！**

**由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新**

**如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）**

<img src="https://img-community.csdnimg.cn/images/fd6ebf0d450a4dbea7428752dc7ffd34.jpg" alt="img" style="zoom:50%;" />
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50