【label怎么连接excel】Pandas如何操作Excel？还不行，看这篇报道就够了

Excel任务摘要，包括python任务系列和数据帧互切、使用pandas读取Excel表、读取python多个数据表、合并python多个工作表和写入Excel文件。

Pandas是基于NumPy的数据分析工具。提供了多种快速处理数据的方法。

通用数据类型

Series:类似于NumPy的一维数组的一维数组，python本身的list也类似。与Series中的数据不同的数据可以是一个数据，但list中的数据可以不同。Time-Series:基于时间的SeriesDataFrame:基于2d表的数据结构。常用于处理Excel表数据等。本课重点介绍三维阵列(版本0.25后一致使用xarray，不再支持Panel)系列和数据帧的相互切换。

使用To_frame()从Series实施到DataFrame使用squeeze()从单列数据DataFrame实施到Seriesimport pandas as PD

s=([‘北山’，‘关心’，‘点赞’])

是S0北山

1兴趣

两点好

dtype : objects=s . to _ frame(name='列名')

S

S.squeeze()0北山

1兴趣

两点好

Name:列名，dtype:对象使用pandas读取Excel表

在Pandas中，Excel读取非常简单。只有一个名为readExcel()的方法，但参数非常多

主要共同参数如下：

Io:通常，您可以指定excel文件路径。Excelfile、xlrd。也可以是其他excel读取对象，例如Book。sheet_name:指定工作表(工作表)的名称。数字(工作表以零开头的索引)可以是header:指定要用作列名的行。默认值为0(第一行列名)。如果数据没有列名，请设置为Nonenames:指定新的列名列表。列表中的元素数和列数必须匹配。index_col:指定列作为索引列，默认None为索引0的第一列为索引列usecols:要解析数据的列可以是int或str列表，也可以是逗号分隔的字符串(pandas 0.24的新功能)。“f”表示列a、c和f 3。“a、c、f、k : q”dtype:每列的数据类型。例如，{'a' :np.float 64，)

Sheet=(io='测试数据。xlsx ')

()

首先，让我们看一下检索到的数据的数据类型。

“印刷(类型(图纸)类”；你看，这就是我们前面提到的数据帧数据。可以通过列名直接获取。例如，要获取所有薪金信息，您可以执行以下操作：

Print(图纸['工资'])0 7653

1 8799

2 9800

3 12880

4 3600

5 3800

6 89

76 7 12000 8 8900 9 7688 10 6712 11 9655 12 6854 13 8122 14 6788 15 8830 Name: 工资, dtype: int64

可以看到它的所有的数据都列出来了，并且这一列数据的数据类型是int64，即64位整型。
得到这一列数据后，我们可以对它进行处理。

for i in sheet['工资']: print(i)7653 8799 9800 12880 3600 3800 8976 12000 8900 7688 6712 9655 6854 8122 6788 8830

或者将它转换成列表后再处理：

salaries = list(sheet['工资']) print(salaries)[7653, 8799, 9800, 12880, 3600, 3800, 8976, 12000, 8900, 7688, 6712, 9655, 6854, 8122, 6788, 8830]

计算大家的平均工资：

sum = 0 for i in salaries: sum += i print(f"总工资：{sum}") ave = sum / len(salaries) print(f"平均工资：{ave}")总工资：131057 平均工资：8191.0625

我们也可以对求和的方法，使用lambda表达式（匿名函数）结合reduce()函数进行。reduce()函数会对列表、元组等可遍历的元素依次进行运算：将第一个元素和第二个元素进行运算，并将结果和第三个元素进行运算，直到最后一个元素。

import functools sum = (lambda x, y: x + y, salaries) print(sum)131057

我们可以使用read_excel中的usecols参数，通过它指定我们需要读取数据的列，它接收字符串或者整数列表格式的数据，列表中列出我们想要取出数据的列的名称或者索引。

import pandas as pd sheet = (io="测试数据.xlsx", usecols=[2]) sheet

或者：

import pandas as pd sheet = (io="测试数据.xlsx", usecols=['工资']) sheet

如果想在读取数据的时候，将原来的列的名字改成其他名字，则可以使用names参数指定为其他列名：

import pandas as pd sheet = (io="测试数据.xlsx", names=['name','age','salary']) sheet

需要注意的是，此时，我们如果要对这个DataFrame进行操作，就需要使用新的列名了。 如果我们想在取出工资数据的时候，以“￥12,345”的格式显示，则可以在获取数据的时候，就指定转换函数：

import pandas as pd def formatsalary(num): return f"￥{format(num,',')}" sheet = (io="测试数据.xlsx", usecols=['工资'],converters={'工资':formatsalary}) sheet

上面通过converters指定了“工资”列，使用formatsalary函数来处理，所以取出来的数据就已经处理过的了。当然，我们也可以取出来后再对其进行格式化。

其他的参数，大家可以自己进行试验。下面我们再来看一下，假设我要取出所有大于等于8000的工资，该如何进行处理呢？我们可以使用按照条件来获取DataFrame的行数据：

import pandas as pd sheet = (io="测试数据.xlsx", usecols=['工资']) high_salary = sheet[sheet['工资'] >= 8000] high_salary

如果想取得工资大于等于8000小于等于10000的数据：

import pandas as pd sheet = (io="测试数据.xlsx") high_salary = sheet[(sheet['工资'] >= 8000) & (sheet['工资'] <=10000)] high_salary

如果只想显示符合条件的姓名和工资，则可以通过列表的方式指定要显示的列：

import pandas as pd sheet = (io="测试数据.xlsx") high_salary = sheet[(sheet['工资'] >= 8000) & (sheet['工资'] <=10000)][['姓名','工资']] high_salary

读取多个数据表

在上面的例子中，虽然在“测试数据.xlsx”文件中包含了两个数据表（sheet），但它只读取了第一个数据表的内容，如果我想把两个数据表数据都读取出来该怎么办呢？可以指定sheet_name参数，它接收字符串、数字、字符串或数字列表以及None。如果指定为None，则返回所有数据表数据。默认为0，即返回第一个数据表数据。

import pandas as pd sheet = (io="测试数据.xlsx", sheet_name=[0, 1]) sheet{0: 姓名 年龄 工资 0 OLIVER. 23 7653 1 HARRY. 45 8799 2 GEORGE. 34 9800 3 NOAH. 54 12880 4 JACK. 34 3600 5 JACOB. 32 3800 6 MUHAMMAD. 51 8976 7 LEO. 46 12000 8 Harper. 42 8900 9 Evelyn. 38 7688 10 Ella. 33 6712 11 Avery. 26 9655 12 Scarlett. 37 6854 13 Madison. 41 8122 14 Lily. 54 6788 15 Eleanor. 28 8830, 1: 姓名 年龄 工资 0 张三 39 15000 1 李四 43 16000 2 李雷 25 6800 3 韩梅梅 28 23000}

可以看到，得到了两个数据表的数据。此时要得到数据表中的数据，就需要先通过sheet[0]、sheet[1]得到第一个数据表的所有数据，再在这个数据表数据中对数据进行处理了，例如：

sheet[1]

如果用的是数据表的名字，则应该写成sheet[‘甲公司’]。
如果我们想把这两个数据表的数据合并到一起，可以使用pandas中的concat()函数：

import pandas as pd sheet = (io="测试数据.xlsx", sheet_name=[1, 0]) st = (sheet,ignore_index = True) st

这里ignore_index的意思是忽略各自的索引，统一使用新的索引。

合并多个工作表

多个EXCECL合并到一个工作表中，Python来帮你实现

# -*- coding:utf-8 -*- # @Addre # @Author:北山啦 import pandas as pd import os path = r"E:\Python\00数据分析\RichardFu123\五省PM2.5\archive" dfs,index = [],0 for i in os.listdir(path): d(path,i))) print(f"正在合并{index+1}工作表") index += 1 df = (dfs) df.to_csv("数据汇总.csv",index=False)正在合并1工作表 正在合并2工作表 正在合并3工作表 正在合并4工作表 正在合并5工作表 正在合并6工作表 正在合并7工作表

写入Excel文件

可以将DataFrame数据写入到一个新的Excel文件中，例如，我们可以将上面合并的两个Excel数据表数据，写入到新的Excel文件中：

df = (st) df.to_excel("合并工资报表.xlsx")

这里我们使用DataFrame上的to_excel()方法将数据写入到Excel文件中。它的原型是：to_excel(self, excel_writer, sheet_name=‘Sheet1’, na_rep=’’, float_format=None, columns=None, header=True, index=True, index_label=None, startrow=0, startcol=0, engine=None, merge_cells=True, encoding=None, inf_rep=‘inf’, verbose=True, freeze_panes=None)，常用的参数说明：

• excel_writer：需要指定一个写入的文件，可以是字符串或者ExcelWriter对象
• sheet_name：写入的工作表名称，是一个字符串，默认为’Sheet1’
• na_rep：当没有数据的时候，应该填入的默认值，默认为空字符串
• float_format：浮点数格式，默认为None。可以按照float_format="%.2f"这样的方式指定
• columns：指定写入的列名顺序，是一个列表。
• header：是否有表头，默认为True，可以是布尔类型或者字符串列表。
• index：是否加上行索引，默认为True。
• index_label：索引标签，可以是字符串或者列表，默认为None。
• startrow：插入数据的起始行，默认为0。
• startcol：插入数据的其实列，默认0
• engine：使用的写文件引擎，例如：‘openpyxl’ 、 ‘xlsxwriter’
• 当然，我们也可以不限于将一个Excel表中的数据写入到另一个Excel文件，我们自己在程序中运行得到的数据，也可以将其组织成DataFrame后，写入到Excel文件中。

import pandas as pd df = ({'姓名':['李雷', '韩梅梅', '小明', '张三', '李四', '王五'], '年龄':[31, 22, 30, 49, 38, 33]}) df.to_excel("员工表.xlsx", sheet_name="202002入职")

看看是不是写入到文件了：

f = ("员工表.xlsx") f

可以看到，确实已经写入进去了。
那如果要写多个数据到一个Excel文件的多个数据表（sheet）中，该怎么处理呢？此时可以使用下面的方法。

df1 = ({'姓名':['李雷', '韩梅梅', '小明', '张三', '李四', '王五'], '年龄':[31, 22, 30, 49, 38, 33]}) df2 = ({'Names': ['Andrew', 'Tomas', 'Larry', 'Sophie', 'Sally', 'Simone'], 'Age':[42, 37, 39, 35, 29, 27]}) dfs = {'国内员工':df1, '外籍员工':df2} writer = ('Em;, engine='xlsxwriter') for sheet_name in d(): dfs[sheet_name].to_excel(writer, sheet_name=sheet_name, index=False) wri()

看看是不是已经写入到文件了：

sheet = (io="Em;, sheet_name=None) sheet{'国内员工': 姓名 年龄 0 李雷 31 1 韩梅梅 22 2 小明 30 3 张三 49 4 李四 38 5 王五 33, '外籍员工': Names Age 0 Andrew 42 1 Tomas 37 2 Larry 39 3 Sophie 35 4 Sally 29 5 Simone 27}

但是仔细看的话，会发现上面的外籍员工这个数据表，字段Names和Age反了，这是因为DataFrame自动按照字母顺序给我们排序了。要避免这种情况，需要在to_excel()中加上columns来指定表头字段顺序：

df1 = ({'姓名':['李雷', '韩梅梅', '小明', '张三', '李四', '王五'], '年龄':[31, 22, 30, 49, 38, 33]}) df2 = ({'Names': ['Andrew', 'Tomas', 'Larry', 'Sophie', 'Sally', 'Simone'], 'Age':[42, 37, 39, 35, 29, 27]}) dfs = {'国内员工':df1, '外籍员工':df2} cols = {"国内员工":['姓名', '年龄'],"外籍员工":['Names','Age']} # 指定列名顺序 writer = ('Em;, engine='xlsxwriter') for sheet_name in d(): dfs[sheet_name].to_excel(writer, sheet_name=sheet_name, index=False, columns = cols[sheet_name]) wri()

再来看看现在是否正确：

sheet = (io="Em;, sheet_name=None) sheet{'国内员工': 姓名 年龄 0 李雷 31 1 韩梅梅 22 2 小明 30 3 张三 49 4 李四 38 5 王五 33, '外籍员工': Names Age 0 Andrew 42 1 Tomas 37 2 Larry 39 3 Sophie 35 4 Sally 29 5 Simone 27}

现在没问题了。
还可以使用前面读写文件的时候的with … 这种方式。
上面的方式，会覆盖原来的文件内容。如果要在原有的Excel表中加上一个新的数据表（sheet），可以通过下面的方式：

from openpyxl import load_workbook book = load_workbook("Em;) # 加载原有的数据到Workbook df3 = ({'Names': ['Judy'], 'Age':[27]}) with ('Em;, engine='openpyxl') as writer: wri = book # 让writer加入原来的两个workbook d(writer, sheet_name='候补员工', index=False, columns=['Names', 'Age']) wri()import pandas as pd sheet = (io="Em;, sheet_name=None) sheet{'国内员工': 姓名 年龄 0 李雷 31 1 韩梅梅 22 2 小明 30 3 张三 49 4 李四 38 5 王五 33, '外籍员工': Names Age 0 Andrew 42 1 Tomas 37 2 Larry 39 3 Sophie 35 4 Sally 29 5 Simone 27, '候补员工': Names Age 0 Judy 27}

可以看到，在原来的Excel文件中，已经加入了“候补员工”这个数据表。加入需要在某个数据表中加入数据（append），可以使用下面方式：

from openpyxl import load_workbook book = load_workbook("Em;) # 加载原有的数据到Workbook df4 = ({'Names': ['Moore'], 'Age':[38]}) with ('Em;, engine='openpyxl') as writer: wri = book # 让writer加入原来的3个workbook wri = {ws.title: ws for ws in book.worksheets} start_row = wri['候补员工'].max_row d(writer, sheet_name='候补员工', index=False, columns=['Names', 'Age'], startrow=start_row,header=False) wri()

这里的要点是：使用startrow指定要插入数据的文字，这里还要注意我们是往某个已经存在的数据表插入数据，所以要指定正确的sheet_name，还有就是为了避免重复的表头，将header设置成False。

import pandas as pd sheet = (io="Em;, sheet_name=None) sheet{'国内员工': 姓名 年龄 0 李雷 31 1 韩梅梅 22 2 小明 30 3 张三 49 4 李四 38 5 王五 33, '外籍员工': Names Age 0 Andrew 42 1 Tomas 37 2 Larry 39 3 Sophie 35 4 Sally 29 5 Simone 27, '候补员工': Names Age 0 Judy 27 1 Moore 38}

作者：北山啦

原文链接：