本篇內(nèi)容主要講解“python數(shù)據(jù)分析之怎么用pandas搞定Excel表格”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學(xué)習“python數(shù)據(jù)分析之怎么用pandas搞定Excel表格”吧!

創(chuàng)新互聯(lián)于2013年創(chuàng)立，先為南丹等服務(wù)建站，南丹等地企業(yè)，進行企業(yè)商務(wù)咨詢服務(wù)。為南丹企業(yè)網(wǎng)站制作PC+手機+微官網(wǎng)三網(wǎng)同步一站式服務(wù)解決您的所有建站問題。

（一）讀取其他文件

接下來我們讀取三類文件csvtsvtxt文件，值得注意的是讀取這三類文件時使用的都是同一個方法，即pd.read_csv(file)，在讀取時為excel表時需注意分隔符，使用參數(shù)sep=''來分隔。接下來我們一起看看在excel和pandas種如何操作的吧！

1.excel讀取其他文件

從excel中導(dǎo)入外部數(shù)據(jù)

1.1 導(dǎo)入csv文件

導(dǎo)入csv文件時，分隔符選擇逗號即可。

1.2 導(dǎo)入tsv文件

導(dǎo)入tsv文件，分隔符選擇tab鍵

1.3 導(dǎo)入txt文本文件

導(dǎo)入txt文件時，注意文本里是以什么符號分隔的，自定義分隔符。

2.pandas讀取其他文件

在pandas中為無論是讀取csv文件還是tsv文件亦或者txt文件，都是用read_csv()的方法讀取，另外加上sep()參數(shù)來分隔。

2.1 讀取csv文件

import pandas as pd

# 導(dǎo)入csv文件
test1 = pd.read_csv('./excel/test12.csv',index_col="ID")
df1 = pd.DataFrame(test1)

print(df1)

2.2 讀取tsv文件

tab鍵用\t來表示

import pandas as pd

# 導(dǎo)入tsv文件
test3 = pd.read_csv("./excel/test11.tsv",sep='\t')
df3 = pd.DataFrame(test3)

print(df3)

2.3 讀取txt文件

import pandas as pd

# 導(dǎo)入txt文件
test2 = pd.read_csv("./excel/test13.txt",sep='|')
df2 = pd.DataFrame(test2)

print(df2)

結(jié)果：

（二）數(shù)據(jù)透視表

在excel中存在多種數(shù)據(jù)，且分為很多類型，這時使用數(shù)據(jù)透視表就會很方便也很直觀的為我們分析出各種我們想要的數(shù)據(jù)了。
實例：將下列數(shù)據(jù)繪制成一個透視表，并繪制出按總類分每年的銷售額！

1.在excel中制作透視表

需要按照年份來分，則我們需要將date列拆分，把年份拆分出來。隨后在數(shù)據(jù)欄下選擇數(shù)據(jù)透視表，選擇區(qū)域即可。

隨后將各部分數(shù)據(jù)拖動到各區(qū)域即可。

結(jié)果：

這樣就在excel中完成了數(shù)據(jù)透視表的制作。

那么在pandas中要怎么實現(xiàn)這一效果呢？

2.在pandas中繪制透視表

繪制透視表的函數(shù)為：df.pivot_lable(index,columns,values),最后將數(shù)據(jù)求和即可。

import pandas as pd
import numpy as np

pd.options.display.max_columns =999
test = pd.read_excel('./excel/test14.xlsx')
df = pd.DataFrame(test)
# 將年份取出并新建一個列名為年份的列
df['year'] = pd.DatetimeIndex(df['Date']).year
# 繪制透視表
table = df.pivot_table(index='總類',columns='year',values='銷售額',aggfunc=np.sum)
df1 = pd.DataFrame(table)
df1['總計'] = df1[[2011,2012,2013,2014]].sum(axis=1)


print(df1)

結(jié)果：

除此之外還可以利用groupby函數(shù)來繪制數(shù)據(jù)表。這里將總類和年份分組求銷售總額和銷售數(shù)量。

import pandas as pd
import numpy as np

pd.options.display.max_columns =999
test = pd.read_excel('./excel/test14.xlsx')
df = pd.DataFrame(test)
# 將年份取出并新建一個列名為年份的列
df['year'] = pd.DatetimeIndex(df['Date']).year

# groupby方法
group = df.groupby(['總類','year'])

s= group['銷售額'].sum()
c = group['ID'].count()

table = pd.DataFrame({'sum':s,'total':c})

print(table)

結(jié)果：

到此，相信大家對“python數(shù)據(jù)分析之怎么用pandas搞定Excel表格”有了更深的了解，不妨來實際操作一番吧！這里是創(chuàng)新互聯(lián)網(wǎng)站，更多相關(guān)內(nèi)容可以進入相關(guān)頻道進行查詢，關(guān)注我們，繼續(xù)學(xué)習！

網(wǎng)頁題目：python數(shù)據(jù)分析之怎么用pandas搞定Excel表格
網(wǎng)站鏈接：http://aaarwkj.com/article22/iggojc.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供虛擬主機、電子商務(wù)、、品牌網(wǎng)站設(shè)計、靜態(tài)網(wǎng)站、手機網(wǎng)站建設(shè)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)