原标题：Python实现EXCEL的常规操作，一文涵盖10个方面

前言：

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)或者需要很复杂的公式时就显得没那么方便了(卡卡卡)，所以还是那句话，“Life is short, you need Python”，下面就总结一些python替代EXCEL的常用操作，方便大家学习。

本例数据集采用网上公开的数据源，某地森林大火数据，共有13个特征，X和Y代表地理位置，month代表月份，day代表星期几，FFMC代表细小可燃物湿度码，DMC代表粗腐殖质湿度码,DC代表干旱码,ISI代表初始蔓延指数,temp代表温度,RH代表相对湿度,wind代表风速,rain代表降雨量，area代表地区。

目录：

1、导入数据源

2、数据基本操作

3、描述性统计

4、缺失值处理

5、筛选

6、替换

7、排序

8、关联

9、聚合

10、数据透视表pd.pivot_table()

一、导入数据源

#导入相关库

import pandas as pd

import numpy as np

import os

from pandas import DataFrame,Series

import re

df =pd.read_csv(r'E:\work\daima\python\forestfires.csv') #打开文件

导入数据的方式有很多种，我们这里只介绍其中一种；

二、数据基本处理

1)查看列名和数据类型

print(df.columns) #查看列名

print(df.dtypes) #查看各列数据类型

2)查看指定行列数据

print(df.head(20)) #查看前20行数据

df=df.loc[:,'FFMC':'rain'] #选择FFMC到rain列所有数据

3)删除行或列

df=df.drop(['wind', 'rain', 'area'],axis=1) #删除wind,rain和area三列

df_an=df_an.loc[-(df_an['qudao']=='Total')] #删除qudao列等于'Total'的行

4)移除重复数据

df_new=df.drop_duplicates(['month','day']) #移除month和day列包含重复值得行，保留第一个

df_new=df.drop_duplicates(['month'],take_last=True )#移除month列包含重复值得行，保留最后一个

5)更改列名

df.rename(columns={'ISI':'isi'}, inplace = True) #ISI列列名改为isi

三、描述性统计

1)计算某列变量频数

print(df['month'].unique()) #输出month列唯一值

print(df['month'].value_counts()) #输出month列各变量出现频数

2)分段统计

bins=[0,10,20,30,40,50,60,70,80,90,100]

group_names=['0-10','10-20','20-30','30-40','40-50','50-60','60-70','70-80','80-90','90-100']

cats=pd.cut(df['RH'],bins,labels=group_names)

pd.value_counts(cats,sort=False)

3)添加一列分组列，做多维频数统计

bins=[0,10,20,30,40,50,60,70,80,90,100]

group_names=['0-10','10-20','20-30','30-40','40-50','50-60','60-70','70-80','80-90','90-100']

cats=pd.cut(df['RH'],bins,labels=group_names)

df_concat=pd.concat([df,cats],axis=1,ignore_index=True)

df_group=df_concat[7].groupby([df_concat[0],df_concat[6],df_concat[7]])

df_fum=df_group.agg('count')

四、缺失值处理

1、缺失值统计

1)显示有缺失值的行

df[df.isnull().values==True] #显示有缺失值的行

2)增加一列，显示每行的缺失值

df_na=(df.isnull()).sum(axis=1) #统计每行的缺失值

df=pd.concat([df,df_na],axis=1) #df和df_na横向拼接

df.rename(columns={0:'na_num'}, inplace = True) #更改列名

df=df.loc[df['na_num']<=5]#删去变量值大于5的行

2、填充缺失值

1)删除含有缺失值的行(或者全为NA的行)

df.dropna()#删除含有缺失值的行

df.dropna(how='all')#只丢弃全为NA的那些行

2)填充固定值

train_data.fillna(0, inplace=True) # 填充 0

3)填充均值

df['DC'].fillna(df['DC'].mean(),inplace=True) # 填充均值

4)填充中位数

df['DC'].fillna(df['DC'].median(),inplace=True) #DC列缺失值填充为DC列的中位数

5)填充上下条的数据

df['DC'].fillna(method='pad', inplace=True)

df['DC'].fillna(0, inplace=True)# 前一条没值就填充0

df['DC'].fillna(method='bfill', inplace=True)

df['DC'].fillna(0, inplace=True)# 后一条没值就填充0

五、筛选

1)条件筛选loc

df_sel=df.loc[(df['month']=='aug') & (df['DC']>=600)] #筛选month列等于aug且DC列大于600的所有行

2)筛选并给新列赋值

这个多用于区间匹配，例如如果A列(0,100],C列为50；A列大于100 ,C列为A列的值

df.loc[(df['DC']>0) & (df['DC']<=100) ,'DC_na']=50 # 创建新列DC_na,DC列大于0且小于等于100，DC列为50

df.loc[df['DC']>100,'DC_na']=df['DC']# 创建新列DC_na,DC列大于100等于原值，其他为NA

六、替换

1)去掉字符串两端空格

df_city['experience_new'] = df_city['experience'].map(lambda s: s.strip())#experience列中文前后端包含空格，需对改列进行分词处理(去掉空格)，赋值给新列experience_new

2)替换

#将experience_new列中的应届毕业生替换为1年以下

df_city = df_city.replace({'experience_new':'应届毕业生'},'1年以下')

df_city['expreienct_new']=df_city['expreienct_new'].map(lambda s:re.sub('应届毕业生','1年以下',s))

七、排序

按照DMC列降序，DC列升序对数据集进行排序

df_paixu=df.sort_values(by=['DMC','DC'],ascending=[0,1])

八、关联

1)左关联、右关联

df_merge=pd.merge(df1,df2,on='customer_id',how='left') #左关联

print(df_merge)

2、多表进行关联

1)轴向连接：concat()

pd.concat([df1,df2],axis=1,ignore_index=True)#df1和df2横向拼接

2)多表关联：reduce()

from functools import reduce

df_list=[df_dau,df_gmv_zx,df_dau_zx]

df_zhengti=reduce(lambda left,right:pd.merge(left,right,on=['event_date','duan'],how='left'),df_list) #按照event_date,duan 从左到右对df_list中的文件进行左关联

九、聚合

聚合groupby()

df_group=df['DC'].groupby([df['month'],df['day']]) #根据month和day列对DC列进行聚合

df_fun=df_gorup.agg(['sum','mean','std']) #对df_group求和，均值和标准差

print(df_fun)

十、数据透视表pd.pivot_table()

这个函数比较难记，可以参考EXCEL数据透视表去理解，index代表列，columns代表行，values代表值，aggfunc代表要对值用什么函数，fil_value代表缺失值用0填充；

df_toushi=pd.pivot_table(df,index=['month'],columns=['day'],

values=['DC'],aggfunc=[np.sum,np.mean],fill_value=0)

print(df_toushi)

[声明]本文版权归原作者所有，内容为作者个人观点，转载目的在于传递更多信息，如涉及作品内容、版权等问题，可联系本站删除，谢谢。

更多内容可关注微信公众号：成都CDA数据分析师。返回搜狐，查看更多

责任编辑：