如何示例 Excel 数据

我们以Python Pandas数据加载类型表格为例，演示Python Pandas Excel操作。

本文将使用Pandas中 read_excel 函数来读取 Excel 文件，并存储成DataFrame格式，本文将介绍如何使用 iloc 、loc 方法获取 DataFrame中对应的数据，实现Execl数据的获取。

read_excel的主要参数

• io: excel文档路径。
• sheetname : 读取的excel指定的sheet页，若多个则为列表。
• header ：设置读取的excel第一行是否作为列名称。
• skiprows：省略指定行数的数据。
• skip_footer：省略从尾部数的int行数据。
• index_col：设置读取的excel第一列是否作为行名称。
• names：设置每列的名称，数组形式参数。
• usecols：读取指定的列, 也可以通过名字或索引值。

读取Excel文件

根据上述参数介绍，我们通过指定表单名和指定列的方式来读取文件

如下，我们可以看到读取的Excel数据类型为DataFrame类型：

使用 iloc 从DataFrame中筛选数据

iloc 语法

 data.iloc[<row selection>, <column selection>]

iloc 在Pandas中是用来通过数字来选择数据中具体的某些行和列。可以设想每一行都有一个对应的下标（0,1,2，...)，通过 iloc 我们可以利用这些下标去选择对应的行数据。同理，对于行也一样，通过这些下标也可以选择对应的列数据。

需要注意的是0表示第一行，但不包含表头。

选择单行或单列

选择数据中的第一行。

选择数据中的最后一行。

选择数据中的第一列。

选择数据中的最后一列。

行列混合选择

选择数据中的第 1-3 行的所有列。

选择数据中的前2列的所有行。

选择第 0, 2, 4行 和 第 1,3 列。

选择第0 到 第3行 的 第0 到第2列。

使用 iloc 仅选择了单独的一行或一列，返回的数据为 Series 类型。若选择了多行数据则会返回 DataFrame 类型，若只选择了一行，但需要要返回 DataFrame 类型，可以传入一个单值列表，如[1]，如下：

使用 loc 从DataFrame中筛选数据

 data.loc[<row selection>, <column selection>]

ioc 用于以下两种场景：

• 使用 下标 查找
• 使用 条件 查找

使用 下标 查找

选择数据中的第一行。

选择数据中的前二行。

选择第1到3行的 READER、WRITER列。

选择第1、2行的 DATA DESCRIPTION 到 WRITER列。

需要注意 excel.loc[[1]] 不等价于 excel.iloc[[1]] ，前者是选择索引为1的行，而后者是选择第1行，DataFrame的索引可以是数字或者是字符串。

使用逻辑判断选择数据

选择WRITER列等于to_json的 DATA DESCRIPTION列到 WRITER列。

同样，如果只选择了某一列，返回的数据是 Series 类型，若只选择了一行，但需要要返回 DataFrame 类型，可以传入一个单值列表，如[1]。

选择 READER的值中是以 "read" 开头的行的所有列。

选择"WRITER" 等于['to_csv', 'to_json']值的行。

选择READER = 'read_csv' 并且 READER 是以 "read"开头的行。

利用Apply的lambda函数判断符合条件的行，如下选择READER由“_”链接的行的所有列。

利用apply的lambda函数判断符合条件的行的'DATA DESCRIPTION', 'READER' 列。

Pandas中 apply、 applymap、 map 的区别

• map仅是Series中的函数 ，map将函数应用于Series中的每一个元素。
• apply和applymap是仅是DataFrame 中的函数。
• apply 将函数作用于DataFrame中的每一个行或者列。
• applymap将函数作用于DataFrame中的每一个元素。