汇总

pd.read_excel参数：

skiprows=行数 #跳过几行
usecols=“区域” # 和Excel中一样，就是一个列的区域
index_col=“字段名” # 将谁设置为索引
dtype={‘序号’:str,‘性别’:str,‘日期’:str} # 防止出错，把类型全指定为字符型

数据.at的用法

作用：获取某个位置的值，例如，获取第0行，第a列的值，即：index=0，columns=‘a’ （可以将列省略）
变量名 = 数据.at[0, ‘a’]
变量名 = 数据.at[i] #获取第i行

跳过空行空列

import pandas as pd
path = 'C:/Users/Administrator/Desktop/playground2/自动填充.xlsx'
data = pd.read_excel(path,skiprows=8,usecols='F:I')  #skiprows是跳过前8行 连列名也算 # usecols是选取列
print(data)

填充

填充数字

import pandas as pd
path = 'C:/Users/Administrator/Desktop/playground2/自动填充.xlsx'
data = pd.read_excel(path,skiprows=8,usecols='F:I',dtype = {'序号':str,'性别':str,'日期':str})  #改成字符串的形式，这样生成的序号就不会是浮点
for i in data.index:data['序号'].at[i] = i + 1   #每一行序号id都要比索引大1
print(data)

  序号  姓名   性别   日期
0  1  张三  NaN  NaN
1  2  李四  NaN  NaN
2  3  王五  NaN  NaN

填充文字

for i in data.index:data['序号'].at[i] = i + 1data['性别'].at[i] = '男' if i%2 == 0 else '女' #根据索引填充性别
print(data)

  序号  姓名 性别   日期
0  1  张三  男  NaN
1  2  李四  女  NaN
2  3  王五  男  NaN

填充日期 (datetime)

timedelta：加天，小时，秒，毫秒

 import pandas as pd
import datetime as dt     #导入日期模块
start = dt.date(2020,1,1)   #设置开始日期
path = 'C:/Users/Administrator/Desktop/playground2/自动填充.xlsx'
data = pd.read_excel(path,skiprows=8,usecols='F:I',dtype = {'序号':str,'性别':str,'日期':str})
for i in data.index:data['序号'].at[i] = i + 1data['性别'].at[i] = '男' if i%2 == 0 else '女'data['日期'].at[i] = start+dt.timedelta(days = i)  # timedelta只能加天，小时，秒，毫秒
print(data)

  序号  姓名 性别          日期
0  1  张三  男  2020-01-01
1  2  李四  女  2020-01-02
2  3  王五  男  2020-01-03

date:年上累加

data['日期'].at[i] = dt.date(start.year+i,start.month,start.day)  #只需要在年份上加即可

  序号  姓名 性别          日期
0  1  张三  男  2020-01-01
1  2  李四  女  2021-01-01
2  3  王五  男  2022-01-01

月上累加

import pandas as pd
import datetime as dt     #导入日期模块
start = dt.date(2020,1,1)   #设置开始日期
def func(d,m):    #设置函数 d指开始日期 m指传入的月份year = m//12   #例如传进来的月份是30 就是30//12 为两年month = d.month+m%12   #月份的余数 30%12 为6个月if month!=12:year = year + month//12  #比如上面月份为7+6=13，则要加的年份为2+1 3年month = month%12   #年份加1后 余数为1 月份变为1月return dt.date(d.year+year,month,d.day)
path = 'C:/Users/Administrator/Desktop/playground2/自动填充.xlsx'
data = pd.read_excel(path,skiprows=8,usecols='F:I',dtype = {'序号':str,'性别':str,'日期':str})
for i in data.index:data['序号'].at[i] = i + 1data['性别'].at[i] = '男' if i%2 == 0 else '女'data['日期'].at[i] = start+dt.timedelta(days = i)data['日期'].at[i] = func(start,i)   #使用函数
print(data)

  序号  姓名 性别          日期
0  1  张三  男  2020-01-01
1  2  李四  女  2020-02-01
2  3  王五  男  2020-03-01

设置索引

这个时候，设置索引不能在read_excel中完成，因为我们在填充时用到他的自动索引，需要用另一个方法设置索引

data.set_index('序号',inplace=True)   #最后重新设置索引，将序号替换原有的

    姓名 性别          日期
序号
1   张三  男  2020-01-01
2   李四  女  2020-02-01
3   王五  男  2020-03-01

入门pandas—数据填充相关推荐

入门pandas—数据替换
替换全部或者某一行原数据国家省市城市城市2 数值 0 中国北京城八区城八区 100 1 中国北京城八区城八区 A 2 中国 NaN 城八区城八区 B 3 中国北京城八区城 ...
python3行3列文件数据赋值_Python3快速入门（十四）——Pandas数据读取
Python3快速入门(十四)--Pandas数据读取一.DataFrame IO 1.CSV文件 pandas.read_csv(filepath_or_buffer, na_values='NA ...
Python3快速入门（十四）——Pandas数据读取
Python3快速入门(十四)--Pandas数据读取一.DataFrame IO 1.CSV文件 pandas.read_csv(filepath_or_buffer, na_values='NA ...
pandas使用pct_change函数计算数据列的百分比变化：计算当前元素和前一个元素之间的百分比变化(包含NaN值的情况以及数据填充方法)
pandas使用pct_change函数计算当前元素和前一个元素之间的百分比变化:默认情况下pct_change函数计算与紧邻前一行相比的百分比变化.计算当前元素和前一个元素之间的百分比变化(包含Na ...
数据预处理+缺失值处理方案+Missing Value+pandas+缺失值填充方法、方案
数据预处理+缺失值处理方案+Missing Value+pandas+缺失值填充方法.方案缺失值+sklearn from sklearn.preprocessing import Imputer ...
（转）十分钟入门pandas
本文是对pandas官方网站上<10 Minutes to pandas>的一个简单的翻译,原文在这里.这篇文章是对pandas的一个简单的介绍,详细的介绍请参考:Cookbook . 习 ...
linux pandas教程_十分钟入门 Pandas
# 十分钟入门 Pandas 本节是帮助 Pandas 新手快速上手的简介.烹饪指南里介绍了更多实用案例. 本节以下列方式导入 Pandas 与 NumPy: In [1]: import numpy ...
极速入门Pandas数据分析
极速入门Pandas数据分析数据载入 DataFrame Pandas 有 Series 和 DataFrame 两种数据结构,对应一维数组和二维表,Series 可以理解成是一个只有一列的 Dat ...
Pandas简明教程：八、Pandas数据透视表
透视表(pivot)是由微软发明的一个概念,1993年微软注册了PivotTable这一商标,而他们又在2020年正式撤销了注册. 关于透视表的话题随便搜搜就是一大堆,而有些地方可能都吹得很神了.透视 ...
【Python】图解Pandas数据合并：concat、join、append
公众号:尤而小屋作者:Peter 编辑:Peter 图解pandas数据合并:concat+join+append 在上一篇文章中介绍过pandas中最为常用的一个合并函数merge的使用,本文中介 ...

入门pandas—数据填充

汇总