01.31 python替代excel，代碼生成最常見的36個函數

數據表檢查

數據表檢查的目的是瞭解數據表的整體情況，獲得數據表的關鍵信息、數據的概況，例如整個數據表的大小、所佔空間、數據格式、是否有 空值和重複項和具體的數據內容，為後面的清洗和預處理做好準備。

1.數據維度(行列)

Excel中可以通過CTRL+向下的光標鍵，和CTRL+向右的光標鍵 來查看行號和列號。Python中使用shape函數來查看數據表的維度，也就是行數和列數

2.數據表信息

使用info函數查看數據表的整體信息，包括數據維度、列名稱、數據格式和所佔空間等信息。#數據表信息

df.info()

<class>

RangeIndex: 6 entries, 0 to 5

Data columns (total 6 columns):

id 6 non-null int64

date 6 non-null datetime64[ns]

city 6 non-null object

category 6 non-null object

age 6 non-null int64

price 4 non-null float64

dtypes: datetime64[ns](1), float64(1), int64(2), object(2)

memory usage: 368.0+ bytes

3.查看數據格式

Excel中通過選中單元格並查看開始菜單中的數值類型來判斷數 據的格式。Python中使用dtypes函數來返回數據格式。

Dtypes是一個查看數據格式的函數，可以一次性查看數據表中所 有數據的格式，也可以指定一列來單獨查看

#查看數據表各列格式

df.dtypes

id int64

date datetime64[ns]

city object

category object

age int64

price float64

dtype: object

#查看單列格式

df['B'].dtype

dtype('int64')

4.查看空值

Excel中查看空值的方法是使用“定位條件”在“開始”目錄下的“查找和選擇”目錄.

Isnull是Python中檢驗空值的函數

#檢查數據空值

df.isnull()

#檢查特定列空值

df['price'].isnull()

5.查看唯一值

Excel中查看唯一值的方法是使用“條件格式”對唯一值進行顏色 標記。

Python中使用unique函數查看唯一值。

#查看city列中的唯一值

df['city'].unique()

array(['Beijing ', 'SH', ' guangzhou ', 'Shenzhen', 'shanghai', '

BEIJING '], dtype=object)

6.查看數據表數值

Python中的Values函數用來查看數據表中的數值

#查看數據表的值

df.values

7.查看列名稱

Colums函數用來單獨查看數據表中的列名稱。

#查看列名稱

df.columns

Index(['id', 'date', 'city', 'category', 'age', 'price'], dtype='

object')

8.查看前10行數據

Head函數用來查看數據表中的前N行數據

#查看前3行數據

df.head(3)

9.查看後10行數據

Tail行數與head函數相反，用來查看數據表中後N行的數據

#查看最後3行

df.tail(3)

數據表清洗

本章介紹對數據表中的問題進行清洗，包括對空值、大小寫問題、數據格式和重複值的處理。

1.處理空值(刪除或填充)

Excel中可以通過“查找和替換”功能對空值進行處理

Python中處理空值的方法比較靈活，可以使用 Dropna函數用來刪除數據表中包含空值的數據，也可以使用fillna函數對空值進行填充。

#刪除數據表中含有空值的行

df.dropna(how='any')

也可以使用數字對空值進行填充

#使用數字0填充數據表中空值

df.fillna(value=0)

使用price列的均值來填充NA字段，同樣使用fillna函數，在要填充的數值中使用mean函數先計算price列當前的均值，然後使用這個均值對NA進行填充。

#使用price均值對NA進行填充

df['price'].fillna(df['price'].mean())

Out[8]:

0 1200.0

1 3299.5

2 2133.0

3 5433.0

4 3299.5

5 4432.0

Name: price, dtype: float64

2.清理空格

字符中的空格也是數據清洗中一個常見的問題

#清除city字段中的字符空格

df['city']=df['city'].map(str.strip)

3.大小寫轉換

在英文字段中，字母的大小寫不統一也是一個常見的問題。Excel中有UPPER，LOWER等函數，Python中也有同名函數用來解決 大小寫的問題。

#city列大小寫轉換

df['city']=df['city'].str.lower()

4.更改數據格式

Excel中通過“設置單元格格式”功能可以修改數據格式。

Python中通過astype函數用來修改數據格式。

#更改數據格式

df['price'].astype('int')

0 1200

1 3299

2 2133

3 5433

4 3299

5 4432

Name: price, dtype: int32

5.更改列名稱

Rename是更改列名稱的函數，我們將來數據表中的category列更改為category-size。

#更改列名稱

df.rename(columns={'category': 'category-size'})

6.刪除重複值

Excel的數據目錄下有“刪除重複項”的功能

Python中使用drop_duplicates函數刪除重複值

df['city']

0 beijing

1 sh

2 guangzhou

3 shenzhen

4 shanghai

5 beijing

Name: city, dtype: object

city列中beijing存在重複，分別在第一位和最後一位 drop_duplicates()函數刪除重複值

#刪除後出現的重複值

df['city'].drop_duplicates()

0 beijing

1 sh

2 guangzhou

3 shenzhen

4 shanghai

Name: city, dtype: object

設置keep='last‘’參數後，與之前刪除重複值的結果相反，第一位 出現的beijing被刪除

#刪除先出現的重複值

df['city'].drop_duplicates(keep='last')

1 sh

2 guangzhou

3 shenzhen

4 shanghai

5 beijing

Name: city, dtype: objec

7.數值修改及替換

Excel中使用“查找和替換”功能就可以實現數值的替換

Python中使用replace函數實現數據替換

#數據替換

df['city'].replace('sh', 'shanghai')

0 beijing

1 shanghai

2 guangzhou

3 shenzhen

4 shanghai

5 beijing

Name: city, dtype: object

數據預處理

本章主要講的是數據的預處理，對清洗完的數據進行整理以便後期的統計和分析工作。主要包括數據表的合併，排序，數值分列，數據分組及標記等工作。

1.數據表合併

在Excel中沒有直接完成數據表合併的功能，可以通過VLOOKUP函數分步實現。在Python中可以通過merge函數一次性實現。

#建立df1數據表

df1=pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006,1007,1008],

"gender":['male','female','male','female','male

','female','male','female'],

"pay":['Y','N','Y','Y','N','Y','N','Y',],

"m-point":[10,12,20,40,40,40,30,20]})

使用merge函數對兩個數據表進行合併，合併的方式為inner，將 兩個數據表中共有的數據匹配到一起生成新的數據表。並命名為 df_inner。

#數據表匹配合並

df_inner=pd.merge(df,df1,how='inner')

合併的方式還有left，right和outer方式

df_left=pd.merge(df,df1,how='left')

df_right=pd.merge(df,df1,how='right')

df_outer=pd.merge(df,df1,how='outer')

2.設置索引列

索引列可以進行數據提取，彙總，數據篩選

#設置索引列

df_inner.set_index('id')

3.排序(按索引，按數值)

Excel中可以通過數據目錄下的排序按鈕直接對數據表進行排 序

Python中需要使用ort_values函數和sort_index函數完成排序

#按特定列的值排序

df_inner.sort_values(by=['age'])

Sort_index函數用來將數據表按索引列的值進行排序。

#按索引列排序

df_inner.sort_index()

4.數據分組

Excel中可以通過VLOOKUP函數進行近似匹配來完成對數值的分組，或者使用“數據透視表”來完成分組

Python中使用Where函數用來對數據進行判斷和分組

#如果price列的值>3000，group列顯示high，否則顯示low

df_inner['group'] = np.where(df_inner['price'] > 3000,'high','low

')

還可以對多個字段的值進行判斷後對數據進行分組，下面的代碼中對city列等於beijing並且price列大於等於4000的數據標記為1。

#對複合多個條件的數據進行分組標記

df_inner.loc[(df_inner['city'] == 'beijing') & (df_inner['price']

>= 4000), 'sign']=1

5.數據分列

Excel中的數據目錄下提供“分列”功能。

在Python中使用split函數實現分列在數據表中category列中的數據包含有兩個信息，前面的數字為類別id，後面的字母為size值。中間以連字符進行連接。我們使用split函數對這個字段進行拆分，並將拆分後的數據表匹配回原數據表中。

#對category字段的值依次進行分列，並創建數據表，索引值為df_inner的索引列，列名稱為category和size

pd.DataFrame((x.split('-') for x in df_inner['category']),index=d

f_inner.index,columns=['category','size'])

#將完成分列後的數據表與原df_inner數據表進行匹配

df_inner=pd.merge(df_inner,split,right_index=True, left_index=Tru

e)

數據提取

1.按標籤提取(loc)

#按索引提取單行的數值

df_inner.loc[3]

id 1004

date 2013-01-05 00:00:00

city shenzhen

category 110-C

age 32

price 5433

gender female

m-point 40

pay Y

group high

sign NaN

category_1 110

size C

Name: 3, dtype: object

使用冒號可以限定提取數據的範圍，冒號前面為開始的標籤值後面為結束的標籤值。

#按索引提取區域行數值

df_inner.loc[0:5]

Reset_index函數用於恢復索引，這裡我們重新將date字段的日期 設置為數據表的索引，並按日期進行數據提取。

#重設索引

df_inner.reset_index()

#設置日期為索引

df_inner=df_inner.set_index('date')

#提取4日之前的所有數據

df_inner[:'2013-01-04']

2.按位置提取(iloc)

使用iloc函數按位置對數據表中的數據進行提取，這裡冒號前後 的數字不再是索引的標籤名稱，而是數據所在的位置，從0開始。

#使用iloc按位置區域提取數據

df_inner.iloc[:3,:2]

iloc函數除了可以按區域提取數據，還可以按位置逐條提取

#使用iloc按位置單獨提取數據

df_inner.iloc[[0,2,5],[4,5]]

前面方括號中的0,2,5表示數據所在行的位置，後面方括號中的數表示所在列的位置。

3.按標籤和位置提取（ix）

ix是loc和iloc的混合，既能按索引標籤提取，也能按位置進行數 據提取.

#使用ix按索引標籤和位置混合提取數據

df_inner.ix[:'2013-01-03',:4]

4.按條件提取（區域和條件值）

使用loc和isin兩個函數配合使用，按指定條件對數據進行提取

#判斷city列的值是否為beijing

df_inner['city'].isin(['beijing'])

date

2013-01-02 True

2013-01-05 False

2013-01-07 True

2013-01-06 False

2013-01-03 False

2013-01-04 False

Name: city, dtype: bool

將isin函數嵌套到loc的數據提取函數中，將判斷結果為Ture數據 提取出來。這裡我們把判斷條件改為city值是否為beijing和shanghai。如果是就把這條數據提取出來。

#先判斷city列裡是否包含beijing和shanghai，然後將複合條件的數據提取出來。

df_inner.loc[df_inner['city'].isin(['beijing','shanghai'])]

數據篩選

按條件篩選（與、或、非）

Excel數據目錄下提供了“篩選”功能，用於對數據表按不同的條 件進行篩選。

Python中使用loc函數配合篩選條件來完成篩選功能。配合sum和count函數還能實現Excel中sumif和countif函數的功能。使用“與”條件進行篩選，條件是年齡大於25歲，並且城市為 beijing。

#使用“與”條件進行篩選

df_inner.loc[(df_inner['age'] > 25) & (df_inner['city'] == 'beiji

ng'), ['id','city','age','category','gender']]/

#使用“或”條件篩選

df_inner.loc[(df_inner['age'] > 25) | (df_inner['city'] == 'beiji

ng'), ['id','city','age','category','gender']].sort(['age'])

#使用“非”條件進行篩選

df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age',

'category','gender']].sort(['id'])

在前面的代碼後面增加city列，並使用count函數進行計數。相當於Excel中的countifs函數的功能

#對篩選後的數據按city列進行計數

df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age',

'category','gender']].sort(['id']).city.count()

還有一種篩選的方式是用query函數

#使用query函數進行篩選

df_inner.query('city == ["beijing", "shanghai"]')

在前面的代碼後增加price字段和sum函數。對篩選後的price字段 進行求和，相當於Excel中的sumifs函數的功能。

#對篩選後的結果按price進行求和

df_inner.query('city == ["beijing", "shanghai"]').price.sum()

12230

數據彙總

Excel中使用分類彙總和數據透視可以按特定維度對數據進行彙總，Python中使用的主要函數是groupby和pivot_table。

1.分類彙總

#對所有列進行計數彙總

df_inner.groupby('city').count()/

#對特定的ID列進行計數彙總

df_inner.groupby('city')['id'].count()

city

beijing 2

guangzhou 1

shanghai 2

shenzhen 1

Name: id, dtype: int64

#對兩個字段進行彙總計數

df_inner.groupby(['city','size'])['id'].count()

city size

beijing A 1

F 1

guangzhou A 1

shanghai A 1

B 1

shenzhen C 1

Name: id, dtype: int64

還可以對彙總後的數據同時按多個維度進行計算

#對city字段進行彙總並計算price的合計和均值。

df_inner.groupby('city')['price'].agg([len,np.sum, np.mean])

2.數據透視

Python中通過pivot_table函數實現同樣的效果

#設定city為行字段，size為列字段，price為值字段。

分別計算price的數量和金額並且按行與列進行彙總。

pd.pivot_table(df_inner,index=["city"],values=["price"],columns=[

"size"],aggfunc=[len,np.sum],fill_value=0,margins=True)

數據統計

1.數據採樣

Excel的數據分析功能中提供了數據抽樣的功能

Python通過sample函數完成數據採樣

#簡單的數據採樣

df_inner.sample(n=3)

Weights參數是採樣的權重，通過設置不同的權重可以更改採樣的結果

#手動設置採樣權重

weights = [0, 0, 0, 0, 0.5, 0.5]

df_inner.sample(n=2, weights=weights)

Sample函數中參數replace，用來設置採樣後是否放回

#採樣後不放回

df_inner.sample(n=6, replace=False)

#採樣後放回

df_inner.sample(n=6, replace=True)

2.描述統計

Python中可以通過Describe對數據進行描述統計

#數據表描述性統計

df_inner.describe().round(2).T

3.相關分析

Python中則通過corr函數完成相關分析的操作，並返回相關係數。

#相關性分析

df_inner['price'].corr(df_inner['m-point'])

0.77466555617085264

#數據表相關性分析

df_inner.corr()

數據輸出

1.寫入Excel

#輸出到Excel格式

df_inner.to_Excel('Excel_to_Python.xlsx', sheet_name='bluewhale_c

c')

2.寫入csv

#輸出到CSV格式

df_inner.to_csv('Excel_to_Python.csv')

最後，小編想說一句話：我是一名python開發工程師，整理了一套最新的python系統學習教程，包括從基礎的python腳本到web開發、爬蟲、數據分析、數據可視化、機器學習,面試寶典。想要這些資料的可以關注小編，私信小編“01”領取資料！

---

分享到:

---

閱讀更多 Python程序員不動否 的文章

關鍵字: Excel Python 導入

---