Pandas常用方法

操作Excel

• 读取Excel

  df = pd.read_excel(file_path, sheet_name = 索引或者名称)
  

• 存储Excel

  df.to_excel('文件名.xls')
  

• 拼接数据

  def sum_excel(self,sheet_index):
        file_name = listdir(self.path)
        sum_df = []
        for name in file_name:
            file_path = self.path + name
            df = pd.read_excel(file_path, sheet_name = sheet_index)
            sum_df.append(df)
        df = pd.concat(sum_df)
        df.to_excel('{}.xlsx'.format(sheet_index), index = False)
  

切片和索引

• iloc - 通过位置获取行数据

  df.iloc[行号,列号]
  df.iloc[:,N] # 获取第N列的数据
  

• loc - 通过标签索引行数据

  df.loc['行名称','列名称']
  

统计方法

• 统计重复值

  df.groupby(by="列名").size
  

排序

• sort_values()

  df.sort_values("列名"，ascending=False)
  # ascending默认为True，升序排列，为False是降序排列。  
  

• nlargest()

  df.nlargest(5,"列名") 
  # 待研究
  

去重

使用Pandas的drop_duplicates方法，subset指列名，keep指“只保留遇到的第一个结果”

import pandas as pd
data = {'demo':[1,1,2,2,1,2,2,3,4,5,6,98,4,2,4,2,2,5,6,7]}
df = pd.DataFrame(data)
a = df.drop_duplicates(subset=['demo'],keep='first')
print(a)
# 输出结果：1\2\3\4\5\6\98\7