Python数据分析入门笔记2——pandas数据读取

Pandas提供了read_excel()函数来读取“xls”和“xlsx”两种Excel文件。
最简单的举例：

import pandas as pd
#注意read_excel方法中没有encoding参数
df=pd.read_excel("D://Projects/2019年底江苏省A级景区名录.xlsx",sheet_name=0,index_col=0)
print(df.columns)#返回所有的列名对象，相当于字典的键名，默认把第0行作为列名
print(df.values)#返回所有的行

read_excel()函数语法格式如下，参数说明如下表所示。

pandas.read_excel( filepath, sheetname=0, header=0, names=None, index_col=None, dtype=None ,nrows=None)

Series（系列）

一维数组，与NumPy中的一维array类似。Series可以保存不同数据类型，如字符串、boolean值、数字等。如果传入的数据类型不统一，最终的dtype通常是object。 Dataframe（数据帧）

二维的表格型数据结构，可以将Dataframe理解为Series的容器。（类似Excel的工作表吗？）Dataframe的单列数据为一个Series。 Panel（面板）

三维的数组，可以理解为Dataframe的容器。（类似Excel的工作簿吗？）内置了十几种数据源读取函数和对应的数据写入函数。 2.Dataframe的常用属性和方法（Series类似不表）

Dataframe是最常用的Pandas对象，类似于Office Excel表格。完成数据读取后，数据就以Dataframe数据结构存储在内存中。但此时并不能直接开始统计分析工作，需要使用Dataframe的属性与方法对数据的分布、大小等进行 *** 作。
假设有一个Dataframe名为df，且数据如下：

（1）假设我读取的时候，不指定行索引，参考代码如下：

import pandas as pd	#导入pandas库
df=pd.read_csv("D://Projects/示例.csv",encoding="gbk")	#以中文编码形式读取D盘Projects文件夹下的“示例.csv”文件

则属性与方法说明如下：

（2）假设我读取的时候设置了行索引，参考代码如下：

import pandas as pd	#导入pandas库
#index_col=0，代表将数据的第一列“学号”作为行索引，也就是根据学号可以唯一地找到这一行。
#但设置行索引以后，再用values、size输出会得到不一样的结果。为什么？
df=pd.read_csv("D://Projects/示例.csv",encoding="gbk",index_col=0)

#使用布尔索引获取部分数据行,df['年龄']>df['年龄'].mean()的意思是年龄值大于平均值
df[df['年龄']>df['年龄'].mean()]

执行结果：

修改列名、行索引名列的添加append、删除drop和插入insert

按某一列来分组：groupby(‘用来分组的列名’)
按多列来分组：groupby([‘列名1’,‘列名2’,‘列名3’])

df.groupby('性别')#按性别分组
df.groups	#查看分组，输出结果{'女': ['S3'], '男': ['S1', 'S2', 'S4']}
df.groupby(['性别','年龄']) #按性别和年龄组合来分组，性别和年龄都相同的才会分到同一组
df.groups	#查看分组，输出结果{('女', 15): ['S3'], ('男', 14): ['S4'], ('男', 15): ['S1'], ('男', 16): ['S2']}

有如下excel文档“2019年底江苏省A级景区名录.xlsx”，完成以下任务：
文档下载地址：2019年底江苏省A级景区名录.xlsx

用pandas的read_excel()方法读取这个文件，并将第一列序号作为行索引，并输出文件内容

用columns获取列索引，即输出表头

统计各市入选的景点个数，输出结果如图：

按所在地市进行分组，分别统计4A、3A、2A景区的数量，部分输出结果如图所示：


按景区等级分组，分别统计各等级中各地市的分布情况。部分输出结果如图：


欢迎补充其他应用场景！

pandas读取csv和excel文件通过Dataframe查看数据，多种查看方式