python数据分析基础007 -利用pandas带你玩转excel表格（中上篇）

文章要点

• 🍺前言
• 🍀（一）在pandas中对excel进行函数填充
• • 🍒1.在excel中进行函数填充
  • 🍒2.在pandas中实现函数填充
  • • 🔥2.1 列于列进行计算
    • 🔥2.2 单元格与单元格进行计算
    • 🔥2.3 部分数据计算
    • 🔥2.4 列增值
    • • 🌟2.4.1 pandas中的apply函数
• 🍀（二）排序以及多重排序
• • 🍒1.在excel表格中进行 *** 作
  • 🍒2.在pandas中实现排序 *** 作
• 🍀（三）数据筛选
• • 🍒1.在excel中进行数据筛选
  • 🍒2.在pandas中实现数据筛选
• 🍻结语

🐚作者简介：苏凉（专注于网络爬虫，数据分析）
🐳博客主页：苏凉.py的博客
👑名言警句：海阔凭鱼跃，天高任鸟飞。
📰要是觉得博主文章写的不错的话，还望大家三连支持一下呀！！！
👉关注✨点赞👍收藏📂

🍺前言

上篇文章带着大家一起学习了在pandas中如何对excel表格进行创建和修改，还有一些基本的 *** 作，接下来我们一起再深入的去了解pandas在excel中其他的一些有趣的 *** 作吧！！
往期回顾：
1.python数据分析基础001 -matplotlib的基础绘图
2.python数据分析基础002 -使用matplotlib绘图（散点图，条形图，直方图）
3.python数据分析基础003 -numpy的使用（详解)
4.python数据分析基础004 -numpy读取数据以及切片，索引的使用
5.python数据分析基础005 -pandas详解_pandas入门这一篇就足够了
6.python数据分析基础006 -利用pandas带你玩转excel表格（上篇）

🍀（一）在pandas中对excel进行函数填充 🍒1.在excel中进行函数填充

实例：在excel中我们要计算出现价，需要用对应的单元格做计算，得出结果后向下填充！

🍒2.在pandas中实现函数填充 🔥2.1 列于列进行计算

在excel表格中，计算出得结果通常为单元格与单元格做计算，而在pandas中往往都是整列与整列进行计算。

import pandas as pd

book = pd.read_excel('./Book.xlsx')

df = pd.DataFrame(book)

# 1.列与列进行计算
now_price = df['原价'] * df['折扣']
df['现价']=now_price

print(df)

结果：

🔥2.2 单元格与单元格进行计算

若我们想要实现excel中的单元格与单元格进行计算，我们需要遍历索引，取到每个单元格内的值，再进行计算，这个方法与上述方法实现的效果相同，但增加了计算量。如没有特殊情况，不推荐此类方法！！

# 2.单元格和单元格进行计算
# # 对索引进行遍历
for i in df.index:
    df['现价'].at[i] = df['原价'].at[i] * df['折扣'].at[i]

结果与上述相同。

🔥2.3 部分数据计算

若我们只想对其中的部分数据进行计算，则遍历部分单元格进行计算即可！

# 3.对部分单元格进行遍历
for i in range(5,11):
	df['现价'].at[i] = df['原价'].at[i] * df['折扣'].at[i]

结果：

🔥2.4 列增值 🌟2.4.1 pandas中的apply函数

DataFrame.apply(func, axis=0, broadcast=False, raw=False, reduce=None, args=(), **kwds)
我们在函数中实现对Series不同属性之间的计算，返回一个结果，则apply函数会自动遍历每一行DataFrame的数据，最后将所有结果组合成一个Series数据结构并返回。

4.列增值
def add(x):
    return x+5
df['原价'] = df['原价'].apply(add)

另一种写法，可以以不用定义函数，当然定义函数要方便一点在哪里需要用到直接调用就可以了，另外一种方法为使用lambda表达式代替函数。

df['原价'] = df['原价'].apply(lambda x:x+5)

以上两种方法都可以的到同样的结果：

🍀（二）排序以及多重排序

在excel表格中我们可以对数据进行从大到小或是从小到大排序，也可以对多列数据进行排序，那再pandas中我们要如何 *** 作呢?接下来就让我们一起看看吧！

实例：我们要对该表格的价格进行从大到小排序，以及将不值且价格从大到小来进行排序

🍒1.在excel表格中进行 *** 作

结果：

🍒2.在pandas中实现排序 *** 作

我们需要在pandas中实现上述的结果，则需要调用pandas中的sort_values函数

import pandas as pd

list = pd.read_excel('./count.xlsx')

df = pd.DataFrame(list)
df.sort_values(by=['Worthy','Price'],inplace=True,ascending=[True,False])

print(df)

在此可以一次性加入多个参数进行排序，而不用另外设置，ascending的默认值为True（从小到大），在这里对两列的数据进行排序，ascending的值若不同时为True或False，则需要分开设置。

结果：

这样我们就实现了以上结果。

🍀（三）数据筛选 🍒1.在excel中进行数据筛选

在excel中通常我们需要筛选出一些我们需要的数据，那再pandas中如何实现呢？下面一起来看看吧

实例：筛选出成绩再85分以上包含85，且年龄再25岁以下的学生。

🍒2.在pandas中实现数据筛选

同样这里也需要用到apply函数

import pandas as pd

def age_25(a):
    return a<25
def score_85(b):
    return b>=85 and b <=100

student = pd.read_excel('./Students.xlsx',index_col='ID')
df = pd.DataFrame(student)
fin = df.loc[df['Age'].apply(age_25)].loc[df['Score'].apply(score_85)]
print(fin)

apply函数的另一种写法

fin = df.loc[df['Age'].apply(lambda x:x<25)].loc[df['Score'].apply(lambda y:y>=85 and y<=100)]

两种方法结果相同：

🍻结语

今天的内容就到这里啦，希望看到此文的小伙伴能有所收获，另外pandas在excel中还有很多 *** 作需要探索，关注我，咱们下期再见！！