自从学会了Pandas，我用Python处理Excel更高效了

01 思考

1.Pandas是什么？

功能极其强大的数据分析库

可以高效地操作各种数据集

csv格式的文件

Excel文件

HTML文件

XML格式的文件

JSON格式的文件

数据库操作

2.经典面试题

通过面试题引出主题，读者可以思考，如果你遇到这题，该如何解答呢？

02 使用pandas来操作Excel文件

1.安装

a.通过Pypi来安装
pip install pandasb.通过源码来安装
git clone git://github.com/pydata/pandas.git
cd pandas
python setup.py install

2.按列读取数据

案例中的 lemon_cases.xlsx 文件内容如下所示：

import pandas as pd# 读excel文件# 返回一个DataFrame对象，多维数据结构df = pd.read_excel('lemon_cases.xlsx', sheet_name='multiply')print(df)# 1.读取一列数据# df["title"] 返回一个Series对象，记录title这列的数据print(df["title"])# Series对象能转化为任何序列类型和dict字典类型print(list(df['title']))    # 转化为列表# title为DataFrame对象的属性print(list(df.title))    # 转化为列表print(tuple(df['title']))   # 转化为元组print(dict(df['title']))    # 转化为字典，key为数字索引# 2.读取某一个单元格数据# 不包括表头，指定列名和行索引print(df['title'][0])   # title列，不包括表头的第一个单元格# 3.读取多列数据print(df[["title", "actual"]])

3.按行读取数据

import pandas as pd# 读excel文件df = pd.read_excel('lemon_cases.xlsx', sheet_name='multiply')   # 返回一个DataFrame对象，多维数据结构print(df)# 1.读取一行数据# 不包括表头，第一个索引值为0# 获取第一行数据，可以将其转化为list、tuple、dictprint(list(df.iloc[0]))  # 转成列表print(tuple(df.iloc[0]))  # 转成元组print(dict(df.iloc[0]))  # 转成字典print(dict(df.iloc[-1]))  # 也支持负索引# 2.读取某一个单元格数据# 不包括表头，指定行索引和列索引（或者列名）print(df.iloc[0]["l_data"])   # 指定行索引和列名print(df.iloc[0][2])    # 指定行索引和列索引# 3.读取多行数据print(df.iloc[0:3])

4.iloc和loc方法

import pandas as pd# 读excel文件df =pd.read_excel('lemon_cases.xlsx', sheet_name='multiply')   # 返回一个DataFrame对象，多维数据结构print(df)# 1.iloc方法# iloc使用数字索引来读取行和列# 也可以使用iloc方法读取某一列print(df.iloc[:, 0])print(df.iloc[:, 1])print(df.iloc[:, -1])# 读取多列print(df.iloc[:, 0:3])# 读取多行多列print(df.iloc[2:4, 1:4])print(df.iloc[[1, 3], [2, 4]])# 2.loc方法# loc方法，基于标签名或者索引名来选择print(df.loc[1:2, "title"])             # 多行一列print(df.loc[1:2, "title":"r_data"])    # 多列多行# 基于布尔类型来选择print(df["r_data"] > 5)  # 某一列中大于5的数值为True，否则为Falseprint(df.loc[df["r_data"] > 5])  # 把r_data列中大于5，所在的行选择出来print(df.loc[df["r_data"] > 5, "r_data":"actual"])  # 把r_data到actual列选择出来

5.读取所有数据

import pandas as pd# 读excel文件df = pd.read_excel('lemon_cases.xlsx', sheet_name='multiply')   # 返回一个DataFrame对象，多维数据结构print(df)# 读取的数据为嵌套列表的列表类型，此方法不推荐使用print(df.values)# 嵌套字典的列表datas_list = []for r_index in df.index:datas_list.append(df.iloc[r_index].to_dict())print(datas_list)

6.写入数据

import pandas as pd# 读excel文件df = pd.read_excel('lemon_cases.xlsx', sheet_name='multiply')   # 返回一个DataFrame对象，多维数据结构print(df)df['result'][0] = 1000print(df)with pd.ExcelWriter('lemon_cases_new.xlsx') as writer:df.to_excel(writer, sheet_name="New", index=False)

03 使用pandas来操作csv文件

1.读取csv文件

案例中的 data.log 文件内容如下所示：TestID,TestTime,Success0,149,01,69,02,45,03,18,14,18,1import pandas as pd# 读取csv文件# 方法一，使用read_csv读取，列与列之间默认以逗号分隔（推荐方法）# a.第一行为列名信息csvframe = pd.read_csv('data.log')# b.第一行没有列名信息，直接为数据csvframe = pd.read_csv('data.log', header=None)# c.第一行没有列名信息，直接为数据，也可以指定列名csvframe = pd.read_csv('data.log', header=None, names=["Col1", "Col2", "Col3"])# 方法二，read_table，需要指定列与列之间分隔符为逗号csvframe = pd.read_table('data.log', sep=",")

2.解答面试题

import pandas as pd# 1.读取csv文件csvframe = pd.read_csv('data.log')# 2.选择Success为0的行new_csvframe = csvframe.loc[csvframe["Success"] == 0]result_csvframe = new_csvframe["TestTime"]avg_result = round(sum(result_csvframe)/len(result_csvframe), 2)print("TestTime最小值为：{}\nTestTime最大值为：{}\nTestTime平均值为：{}".format(min(result_csvframe), max(result_csvframe), avg_result))

04 总结

在数据分析、数据可视化领域，Pandas的应用极其广泛；在大规模数据、多种类数据处理上效率非常高。

在软件测试领域也有应用，但如果仅仅用excel来存放测试数据，使用Pandas就有点 “杀鸡焉用宰牛刀” 的感觉，那么建议使用特定的模块来处理（比如 openpyxl ）

现在我邀请你进入我们的软件测试学习交流群：【746506216】，备注“入群”，大家可以一起探讨交流软件测试，共同学习软件测试技术、面试等软件测试方方面面，还会有免费直播课，收获更多测试技巧，我们一起进阶Python自动化测试/测试开发，走向高薪之路。

喜欢软件测试的小伙伴们，如果我的博客对你有帮助、如果你喜欢我的博客内容，请 “点赞” “评论” “收藏” 一键三连哦！

自从学会了Pandas，我用Python处理Excel更高效了相关推荐

数据分析：为什么说Python比Excel更简单高效？
日本最大的证券公司之一野村证券首席数字官马修·汉普森,在Quant Conference上发表讲话:"用Excel的人越来越少,大家都在用Python." 甚至直接说:" ...
python快速整理excel_使用pandas包用python清理excel数据
我用pandas使用pd.read_excel将xls文件读入 Python 我正在努力清理我的数据,但我已经离开了我的联盟. 每条记录之间都有一个空行.在示例pic中,它优于第4,9和11行. 有一 ...
numpy 最大值_使用 NumPy 让你的 Python 科学计算更高效
具体的原理我也不大懂,简单理解就是Numpy的计算效率更高一些. Numpy里有两个对象: ndarray,实际上就是多维数组的含义,在Numpy数组中,维数称为秩(rank),一维数组的秩为 1,二 ...
python爬虫多久能学会-不踩坑的Python爬虫：如何在一个月内学会爬取大规模数据...
原标题:不踩坑的Python爬虫:如何在一个月内学会爬取大规模数据 Python爬虫为什么受欢迎如果你仔细观察,就不难发现,懂爬虫.学习爬虫的人越来越多,一方面,互联网可以获取的数据越来越多,另一方 ...
python实现excel筛选功能并输出_Python商务办公系列——pandas实现Excel筛选和编辑...
写在前面各位大大,晚上好,我想死你们了!相信看这两期文章的朋友可能会注意到,这两期文章的开头都附带了小编自己的个人博客网址,没错,正是在这几周,小编终于完成了对于自己博客的搭建工作,以后小编会在微信 ...
python在excel中的应用-Python利用pandas处理Excel数据的应用详解
最近迷上了高效处理数据的pandas,其实这个是用来做数据分析的,如果你是做大数据分析和测试的,那么这个是非常的有用的!!但是其实我们平时在做自动化测试的时候,如果涉及到数据的读取和存储,那么而利用p ...
python与excel的应用-Python利用pandas处理Excel数据的应用
最近迷上了高效处理数据的pandas,其实这个是用来做数据分析的,如果你是做大数据分析和测试的,那么这个是非常的有用的!!但是其实我们平时在做自动化测试的时候,如果涉及到数据的读取和存储,那么而利用p ...
python对excel操作简书_Python实现EXCEL常用操作——pandas简介
知乎的代码块太丑了,这里的内容就更新到简书了Python实现EXCEL常用操作--pandas简介www.jianshu.com EXCEL是日常办公最常用的软件,然而遇到数据量特别大(超过10W条 ...
pandas整表写入excel指定位置_当Python遇到Excel，一个能打的都没有~
几乎人人都在用Excel,这种极易上手的数据分析工具无处不在,一旦你掌握了窍门,它就变得非常强大.而Python通常被认为更具有挑战性,但能做的事也更多. 当Python遇到Excel会发生什么?本文 ...