我通宵翻译Pandas官方文档，写了这一份Excel万字肝货操作！

àì夳堔傛蜴生んèń 2022-09-09 12:42 159阅读 0赞

点击上方“**Python爬虫与数据挖掘**”，进行关注

回复“**书籍**”即可获赠Python从入门到进阶共10本电子书

今

日

鸡

汤

只解沙场为国死，何须马革裹尸还。

**大家好，我是黄同学**

> **本文翻译自Pandas官方文档！**
> 
> **文末有惊喜，看到最后你不亏！**

## 阅读须知 ##

这篇万字长文，是黄同学辛苦为大家辛苦翻译排版。希望大家一定从头到尾学习，否则，可能会找不到操作的数据源。

由于许多潜在的 Pandas 用户对 Excel 电子表格有一定的了解，因此本页旨在提供一些案例，说明如何使用 Pandas 执行各Excel电子表格的各种操作。

如果您不熟悉 Pandas，您可能需要先阅读 10 Minutes的官方文档，以熟悉该库。

按照惯例，我们按如下方式，导入 pandas 和 NumPy：

import pandas as pd
    import numpy as np

## 数据结构 ##

##### 1. 通用术语翻译 #####

![98d8fbf3af5303018a517984e35bf2c7.png][]

##### 2. DataFrame #####

Pandas 中的 DataFrame 类似于 Excel 工作表。虽然 Excel 工作簿可以包含多个工作表，但 Pandas DataFrames 独立存在。

##### 3. Series #####

序列是表示 DataFrame 的一列的数据结构。使用序列类似于引用电子表格的列。

##### 4. Index #####

每个 DataFrame 和 Series 都有一个索引，它们是数据行上的标签。在 Pandas 中，如果未指定索引，则默认使用 RangeIndex（第一行 = 0，第二行 = 1，依此类推），类似于电子表格中的行标题/数字。

在 Pandas 中，索引可以设置为一个（或多个）唯一值，这就像在工作表中有一列用作行标识符一样。与大多数电子表格不同，这些索引值实际上可用于引用行。（请注意，这可以在带有结构化引用的 Excel 中完成。）例如，在电子表格中，您可以将第一行引用为 `A1:Z1`，而在 Pandas 中，您可以使用`population.loc['Chicago']`。

索引值也是持久的，所以如果你对 DataFrame 中的行重新排序，特定行的标签不会改变。

##### 5. 副本与就地操作 #####

大多数 Pandas 操作返回 Series/DataFrame 的副本。要使更改“保持不变”，您需要分配给一个新变量。

sorted_df = df.sort_values("col1")

或覆盖原来的。

df = df.sort_values("col1")

如果您想就地操作，您将看到某些方法可用的 inplace=True 关键字参数。

df.sort_values("col1", inplace=True)

## 数据输入和输出 ##

##### 1. 利用值构造一个数据框DataFrame #####

在Excel电子表格中，值可以直接输入到单元格中。

我们可以用多种不同的方式构建一个DataFrame，但对于少量的值，通常将其指定为 Python 字典会很方便，其中键是列名，值是数据。

df = pd.DataFrame({"x": [1, 3, 5], "y": [2, 4, 6]})
    df

结果如下：

![ada499a4f3e46fe6ba4d5b8fe0590bf2.png][]

##### 2. 读取外部数据 #####

Excel 和 pandas 都可以从各种来源以各种格式导入数据。

###### CSV ######

让我们从 Pandas 测试中加载并显示提示数据集，这是一个 CSV 文件。在 Excel 中，您将下载并打开 CSV。在 pandas 中，您将 CSV 文件的 URL 或本地路径传递给 read\_csv()。

url = ("https://raw.github.com/pandas-dev/pandas/master/pandas/tests/io/data/csv/tips.csv")
    tips = pd.read_csv(url)
    tips

结果如下：

![a63dcbb98ef3b057ffed67b96936a147.png][]

与 Excel 的文本导入向导一样，read\_csv 可以采用多个参数来指定应如何解析数据。例如，如果数据改为制表符分隔，并且没有列名，pandas 命令将是：

tips = pd.read_csv("tips.csv", sep="\t", header=None)
    # 或者，read_table 是带有制表符分隔符的 read_csv 的别名
    tips = pd.read_table("tips.csv", header=None)

###### Excel文件 ######

Excel 通过双击或使用打开菜单打开各种 Excel 文件格式。在 Pandas 中，您使用特殊方法从/向 Excel 文件读取和写入。

让我们首先基于上面示例中的数据框，创建一个新的 Excel 文件。

tips.to_excel("./tips.xlsx")

如果您希望随后访问 tips.xlsx 文件中的数据，您可以使用以下命令将其读入您的模块。

tips_df = pd.read_excel("./tips.xlsx", index_col=0)

您刚刚就使用 Pandas 读取了 Excel 文件！

##### 3.  限制输出 #####

Excel电子表格程序一次只显示一屏数据，然后允许您滚动，因此实际上没有必要限制输出。在 Pandas 中，您需要更多地考虑控制 DataFrame 的显示方式。

默认情况下，pandas 会截断大型 DataFrame 的输出以显示第一行和最后一行。这可以通过更改 pandas 选项或使用 DataFrame.head() 或 DataFrame.tail() 来覆盖。

tips.head(5)

结果如下：

![32f742eee136e7c981d5c08ffb30e41e.png][]

##### 4. 导出数据 #####

默认情况下，桌面电子表格软件将保存为其各自的文件格式（.xlsx、.ods 等）。但是，您可以保存为其他文件格式。

pandas 可以创建 Excel 文件、CSV 或许多其他格式。

## 数据操作 ##

##### 1. 列操作 #####

在电子表格中，公式通常在单个单元格中创建，然后拖入其他单元格以计算其他列的公式。在 Pandas 中，您可以直接对整列进行操作。

pandas 通过在 DataFrame 中指定单个系列来提供矢量化操作。可以以相同的方式分配新列。DataFrame.drop() 方法从 DataFrame 中删除一列。

tips["total_bill"] = tips["total_bill"] - 2
    tips["new_bill"] = tips["total_bill"] / 2
    tips

结果如下：

![71b7fe385f2be712dd4d36e82ae599c4.png][]

请注意，我们不必告诉它逐个单元地进行减法——pandas 会为我们处理。

##### 2. 过滤 #####

在 Excel 中，过滤是通过图形菜单完成的。

![dbf554ad1b590be937714cf16ac0187c.png][]

可以通过多种方式过滤数据框，其中最直观的是使用布尔索引。

tips[tips["total_bill"] > 10]

结果如下：

![ad37df9d55ccc17efbc10b39852c4d12.png][]

上面的语句只是将一系列 True/False 对象传递给 DataFrame，返回所有带有 True 的行。

is_dinner = tips["time"] == "Dinner"
    is_dinner.value_counts()
    tips[is_dinner]

结果如下：

![7e7b0c6a69f3dddc392a13acf7733ba7.png][]

##### 3. If/then逻辑 #####

假设我们想要根据 total\_bill 是小于还是大于 10 美元，来创建一个具有低值和高值的列。

在Excel电子表格中，可以使用条件公式进行逻辑比较。我们将使用 `=IF(A2 < 10, "low", "high")`的公式，将其拖到新存储列中的所有单元格。

![33815f990d8b6e7d0492e2126c050b21.png][]

使用 numpy 中的 where 方法可以完成 Pandas 中的相同操作。

tips["bucket"] = np.where(tips["total_bill"] < 10, "low", "high")
    tips

结果如下：

![1a956a6dde26cf154a733f65561782ce.png][]

##### 4. 日期功能 #####

本节将提到“日期”，但时间戳的处理方式类似。

我们可以将日期功能分为两部分：解析和输出。在Excel电子表格中，日期值通常会自动解析，但如果您需要，还有一个 DATEVALUE 函数。在 Pandas 中，您需要在从 CSV 读取时或在 DataFrame 中读取一次时，将纯文本显式转换为日期时间对象。

解析后，Excel电子表格以默认格式显示日期，但格式可以更改。在 Pandas 中，您通常希望在使用日期进行计算时将日期保留为日期时间对象。输出部分日期（例如年份）是通过电子表格中的日期函数和 Pandas 中的日期时间属性完成的。

给定电子表格 A 列和 B 列中的 date1 和 date2，您可能有以下公式：

![a885fb6bf87404a42102e73ec3e39227.png][]

等效的Pandas操作如下所示。

tips["date1"] = pd.Timestamp("2013-01-15")
    tips["date2"] = pd.Timestamp("2015-02-15")
    tips["date1_year"] = tips["date1"].dt.year
    tips["date2_month"] = tips["date2"].dt.month
    tips["date1_next"] = tips["date1"] + pd.offsets.MonthBegin()
    tips["months_between"] = tips["date2"].dt.to_period("M") - tips["date1"].dt.to_period("M")
    tips[["date1", "date2", "date1_year", "date2_month", "date1_next", "months_between"]]

结果如下：

![d775ec51963d14d7b3f50f07cb6d76a8.png][]

##### 5. 列的选择 #####

在Excel电子表格中，您可以通过以下方式选择所需的列：

*  隐藏列；
 *  删除列；
 *  引用从一个工作表到另一个工作表的范围；

由于Excel电子表格列通常在标题行中命名，因此重命名列只需更改第一个单元格中的文本即可。

相同的操作在下面的Pandas中表示。

###### 保留某些列 ######

tips[["sex", "total_bill", "tip"]]

结果如下：

![135e4d116366dbf965f5bd1292043200.png][]

###### 删除某些列 ######

tips.drop("sex", axis=1)

结果如下：

![ccc0221281422e657d7318f4b57f9616.png][]

###### 重命名列 ######

tips.rename(columns={"total_bill": "total_bill_2"})

结果如下：

![7ae3f559e54ad0ea5cfdcab0450f463e.png][]

##### 6. 按值排序 #####

Excel电子表格中的排序，是通过排序对话框完成的。

![f46a6f09302b765993add49ae9c9cdf0.png][]

pandas 有一个 DataFrame.sort\_values() 方法，它需要一个列列表来排序。

tips = tips.sort_values(["sex", "total_bill"])
    tips

结果如下：

![5ab6c4ad609f89ac10eb0c76be6486b2.png][]

## 字符串处理 ##

##### 1. 查找字符串长度 #####

在电子表格中，可以使用 LEN 函数找到文本中的字符数。这可以与 TRIM 函数一起使用以删除额外的空格。

=LEN(TRIM(A2))

您可以使用 Series.str.len() 找到字符串的长度。在 Python 3 中，所有字符串都是 Unicode 字符串。len 包括尾随空格。使用 len 和 rstrip 排除尾随空白。

tips["time"].str.len()
    tips["time"].str.rstrip().str.len()

结果如下：

![f30399ce80bd55e5f44fe45583659d4c.png][]

请注意，这仍然会在字符串中包含多个空格，因此不是 100% 等效的。

##### 2. 查找子串的位置 #####

FIND电子表格函数返回子字符串的位置，第一个字符为 1。

![ca51a76115168760dd9d29b1ebaf7b60.png][]

您可以使用 Series.str.find() 方法查找字符串列中字符的位置。find 搜索子字符串的第一个位置。如果找到子字符串，则该方法返回其位置。如果未找到，则返回 -1。请记住，Python 索引是从零开始的。

tips["sex"].str.find("ale")

结果如下：

![498b8f660d822d4fa1161e79b6c6c3bc.png][]

##### 3. 按位置提取子串 #####

电子表格有一个 MID 公式，用于从给定位置提取子字符串。获取第一个字符：

=MID(A2,1,1)

使用 Pandas，您可以使用 \[\] 表示法按位置位置从字符串中提取子字符串。请记住，Python 索引是从零开始的。

tips["sex"].str[0:1]

结果如下：

![58b52865dab67c30630a2b592c554e44.png][]

##### 4. 提取第n个单词 #####

在 Excel 中，您可以使用文本到列向导来拆分文本和检索特定列。（请注意，也可以通过公式来做到这一点。）

在 Pandas 中提取单词最简单的方法是用空格分割字符串，然后按索引引用单词。请注意，如果您需要，还有更强大的方法。

firstlast = pd.DataFrame({"String": ["John Smith", "Jane Cook"]})
    firstlast["First_Name"] = firstlast["String"].str.split(" ", expand=True)[0]
    firstlast["Last_Name"] = firstlast["String"].str.rsplit(" ", expand=True)[0]
    firstlast

结果如下：

![7e7eea762c05bf9cf52b58de85c7aabd.png][]

##### 5. 大小写转换 #####

Excel电子表格提供 UPPER、LOWER 和 PROPER 函数，分别用于将文本转换为大写、小写和标题大小写。

等效的 Pandas 方法是 Series.str.upper()、Series.str.lower() 和 Series.str.title()。

firstlast = pd.DataFrame({"string": ["John Smith", "Jane Cook"]})
    firstlast["upper"] = firstlast["string"].str.upper()
    firstlast["lower"] = firstlast["string"].str.lower()
    firstlast["title"] = firstlast["string"].str.title()
    firstlast

结果如下：

![90629f20d3daeb916f90e19e405b503e.png][]

## 合并 ##

合并示例中将使用以下表格：

df1 = pd.DataFrame({"key": ["A", "B", "C", "D"], "value": np.random.randn(4)})
    df2 = pd.DataFrame({"key": ["B", "D", "D", "E"], "value": np.random.randn(4)})

结果如下：

![11792e5f1f36e004d9ebe6fbc1b0988b.png][]

在 Excel 中，可以通过 VLOOKUP 完成表格的合并。

![bba83aecc2db9b0897b0f16ad2405842.png][]

pandas DataFrames 有一个 merge() 方法，它提供了类似的功能。数据不必提前排序，不同的连接类型是通过 how 关键字完成的。

inner_join = df1.merge(df2, on=["key"], how="inner")
    left_join = df1.merge(df2, on=["key"], how="left")
    right_join = df1.merge(df2, on=["key"], how="right")
    outer_join = df1.merge(df2, on=["key"], how="outer")

结果如下：

![2adf6dd79b13aa7d9b4621b4810c15a5.png][]

与 VLOOKUP 相比，merge 有许多优点：

*  查找值不需要是查找表的第一列；
 *  如果匹配多行，则每个匹配都会有一行，而不仅仅是第一行；
 *  它将包括查找表中的所有列，而不仅仅是单个指定的列；
 *  它支持更复杂的连接操作；

## 其他注意事项 ##

##### 1. 填充柄 #####

在一组特定的单元格中按照设定的模式创建一系列数字。在电子表格中，这将在输入第一个数字后通过 shift+drag 或通过输入前两个或三个值然后拖动来完成。

这可以通过创建一个系列并将其分配给所需的单元格来实现。

df = pd.DataFrame({"AAA": [1] * 8, "BBB": list(range(0, 8))})
    series = list(range(1, 5))
    df.loc[2:5, "AAA"] = series
    df

结果如下：

![8e28b345c822123bb667db8f341d1d70.png][]

##### 2. 删除重复项 #####

Excel 具有删除重复值的内置功能。熊猫通过 drop\_duplicates() 支持这一点。

df = pd.DataFrame({
         "class": ["A", "A", "A", "B", "C", "D"],
         "student_count": [42, 35, 42, 50, 47, 45],
         "all_pass": ["Yes", "Yes", "Yes", "No", "No", "Yes"]})
    df.drop_duplicates()
    df.drop_duplicates(["class", "student_count"])

结果如下：

![0070a1242f9a939a29a1319acffcda3b.png][]

##### 3. 数据透视表 #####

电子表格中的数据透视表可以通过重塑和数据透视表在 Pandas 中复制。再次使用提示数据集，让我们根据聚会的规模和服务器的性别找到平均小费。

在 Excel 中，我们对数据透视表使用以下配置：

![03ecf83bffa91ef105615afea563182d.png][]

等效的Pandas代码。

pd.pivot_table(
         tips, 
         values="tip", 
         index=["size"], 
         columns=["sex"], 
         aggfunc=np.average)

结果如下：

![249a374d3335a63cb4978941f24fe8e7.png][]

##### 4. 添加一行 #####

假设我们使用 RangeIndex（编号为 0、1 等），我们可以使用 DataFrame.append() 在 DataFrame 的底部添加一行。

df
    new_row = {"class": "E", "student_count": 51, "all_pass": True}
    df.append(new_row, ignore_index=True)

结果如下：

![3af05837380bb66e54cab622101c05ce.png][]

##### 5. 查找和替换 #####

Excel 查找对话框将您带到匹配的单元格。在 Pandas 中，这个操作一般是通过条件表达式一次对整个列或 DataFrame 完成。

tips
    tips == "Sun"
    tips["day"].str.contains("S")

结果如下：

![ae6dd247f6868e12b4f60066479c75c2.png][]

pandas 的 replace() 相当于 Excel 的 Replace All。

tips.replace("Thu", "Thursday")

结果如下：

![0245b500401a42d74905f3241387762e.png][]

##  ##

**---\--\---\---\---\--\---** End **---\--\---\--\---\---\--\-**

往期精彩文章推荐：

*  [手把手教你用Python改造一款外星人入侵小游戏][Python]
 *  [手把手教你用Python网络爬虫+自动化来创建一位属于你自己的虚拟女票(附源码)][Python 1]
 *  [Python也能操作Mysql数据库][Python_Mysql]
 *  [盘点那些年我们一起玩过的网络安全工具][Link 1]

![90596b0c8e23fce56ee8c06a6b4fe848.png][]

欢迎大家**点赞，****留言，****转发，转载，**感谢大家的相伴与支持

想加入Python学习群请在后台回复【**入群**】

万水千山总是情，点个【**在看**】行不行

**/今日留言主题/**

随便说一两句吧~~

[98d8fbf3af5303018a517984e35bf2c7.png]: /images/20220829/89346834cb9f46b295b31e894454b608.png
[ada499a4f3e46fe6ba4d5b8fe0590bf2.png]: /images/20220829/3aab218c07bd431aae54c2d9072ddfd7.png
[a63dcbb98ef3b057ffed67b96936a147.png]: /images/20220829/24ee6f0224fe4646b3a9e6ce0ba45e57.png
[32f742eee136e7c981d5c08ffb30e41e.png]: /images/20220829/71c8a5c897f7475586b522b30f714bf5.png
[71b7fe385f2be712dd4d36e82ae599c4.png]: /images/20220829/08d9a9de0a524b2ca50164aceb9ac8b4.png
[dbf554ad1b590be937714cf16ac0187c.png]: /images/20220829/173ed8d281034b8abb42f6c68547c795.png
[ad37df9d55ccc17efbc10b39852c4d12.png]: /images/20220829/506095e7cfd9440eb4f4e81a54b1779f.png
[7e7b0c6a69f3dddc392a13acf7733ba7.png]: /images/20220829/4cdf6c6cb0b849aba56f45f068eaa9bd.png
[33815f990d8b6e7d0492e2126c050b21.png]: /images/20220829/4e7ec1556bee4aafa535bbb59583e202.png
[1a956a6dde26cf154a733f65561782ce.png]: /images/20220829/e7896be379d143a69e0469b75a0a8bfb.png
[a885fb6bf87404a42102e73ec3e39227.png]: /images/20220829/01504751b5694449b0361784bcee621c.png
[d775ec51963d14d7b3f50f07cb6d76a8.png]: /images/20220829/357764a9303b454cac9cfcd261369851.png
[135e4d116366dbf965f5bd1292043200.png]: /images/20220829/f5996c6e8de242abba3fc83515a05f16.png
[ccc0221281422e657d7318f4b57f9616.png]: /images/20220829/6e1ae17c74094168baa7d62922b8228b.png
[7ae3f559e54ad0ea5cfdcab0450f463e.png]: /images/20220829/ad4db072487749c3a07f79718a2816c6.png
[f46a6f09302b765993add49ae9c9cdf0.png]: /images/20220829/772ad5d602d74d00b8eb58b877f4183f.png
[5ab6c4ad609f89ac10eb0c76be6486b2.png]: /images/20220829/79ba8e79e4dc49dd9629dbb54386c4cb.png
[f30399ce80bd55e5f44fe45583659d4c.png]: /images/20220829/97f7ecafc9b747de84b8332fe95cee99.png
[ca51a76115168760dd9d29b1ebaf7b60.png]: /images/20220829/f54c628f33d04e3aaa2bc911c8c4ca24.png
[498b8f660d822d4fa1161e79b6c6c3bc.png]: /images/20220829/81b7b9733a1648709d2746979df88565.png
[58b52865dab67c30630a2b592c554e44.png]: /images/20220829/247d603c6a864a76a3778e99aa891bde.png
[7e7eea762c05bf9cf52b58de85c7aabd.png]: /images/20220829/8e7273c48be24287b16ea4323f934dbd.png
[90629f20d3daeb916f90e19e405b503e.png]: /images/20220829/9674630090e548e09fee60e81f7412a9.png
[11792e5f1f36e004d9ebe6fbc1b0988b.png]: /images/20220829/a94870ff0e254dc8a182b5d2701d20f3.png
[bba83aecc2db9b0897b0f16ad2405842.png]: /images/20220829/2a12fdd6bcf6486bb8c258e0ddde171c.png
[2adf6dd79b13aa7d9b4621b4810c15a5.png]: /images/20220829/591ac1006cfa4f7997baacdee364cf3d.png
[8e28b345c822123bb667db8f341d1d70.png]: /images/20220829/4992e34f0c4b46208ec614eee5358e7b.png
[0070a1242f9a939a29a1319acffcda3b.png]: /images/20220829/b364d47dc5aa4c288df808b5bab32947.png
[03ecf83bffa91ef105615afea563182d.png]: /images/20220829/4b605728f42847cd8da740a0022f4f13.png
[249a374d3335a63cb4978941f24fe8e7.png]: /images/20220829/4be65ac40f2847f3943da3317f5319a8.png
[3af05837380bb66e54cab622101c05ce.png]: /images/20220829/8ad740fc83634fbeb69858811ead199b.png
[ae6dd247f6868e12b4f60066479c75c2.png]: /images/20220829/0ecee1eed75141818d7e721195009d9d.png
[0245b500401a42d74905f3241387762e.png]: /images/20220829/46ff8ae5f4984aa78f10869bb5a75c00.png
[Python]: http://mp.weixin.qq.com/s?__biz=MzU3MzQxMjE2NA%3D%3D&chksm=fcc0b21dcbb73b0bad0de6f604f61ed53035ba9b4992527621edcd65044568669708855d508a&idx=1&mid=2247496758&scene=21&sn=137eba93ac6dfdc67abedb2e5607e671#wechat_redirect
[Python 1]: http://mp.weixin.qq.com/s?__biz=MzU3MzQxMjE2NA%3D%3D&chksm=fcc0b236cbb73b20d4cc2c0da4410d4dbcaf02e801718dfd78132b9062293c55b5fa1ee044f4&idx=1&mid=2247496733&scene=21&sn=2b6b98c854dc2dede4f6127e83f18240#wechat_redirect
[Python_Mysql]: http://mp.weixin.qq.com/s?__biz=MzU3MzQxMjE2NA%3D%3D&chksm=fcc0b4e6cbb73df00abf51cc844ebd684e1a630b44e08dcf3e28f9d89d0b0459dd06dd64d6e0&idx=1&mid=2247496397&scene=21&sn=a2641f5a5f98694b9d6b3bf7781c41e6#wechat_redirect
[Link 1]: http://mp.weixin.qq.com/s?__biz=MzU3MzQxMjE2NA%3D%3D&chksm=fcc0b4b9cbb73daf05e46ffc74d8f3c5257db082f8592bc1d4dbd9a536491866367fe160c5ef&idx=1&mid=2247496338&scene=21&sn=cc109289ced145f50e1dfff0f67fc5f3#wechat_redirect
[90596b0c8e23fce56ee8c06a6b4fe848.png]: /images/20220829/626df07ba4ea4687bec4bbe5fb947d26.png