將Excel中的的數(shù)據(jù)讀入數(shù)據(jù)框架DataFrame后，可以非常方便的進(jìn)行各種數(shù)據(jù)處理。
從策劃到設(shè)計(jì)制作，每一步都追求做到細(xì)膩，制作可持續(xù)發(fā)展的企業(yè)網(wǎng)站。為客戶(hù)提供成都做網(wǎng)站、成都網(wǎng)站設(shè)計(jì)、成都外貿(mào)網(wǎng)站建設(shè)、網(wǎng)站策劃、網(wǎng)頁(yè)設(shè)計(jì)、申請(qǐng)域名、網(wǎng)站空間、網(wǎng)絡(luò)營(yíng)銷(xiāo)、VI設(shè)計(jì)、 網(wǎng)站改版、漏洞修補(bǔ)等服務(wù)。為客戶(hù)提供更好的一站式互聯(lián)網(wǎng)解決方案,以客戶(hù)的口碑塑造優(yōu)易品牌,攜手廣大客戶(hù),共同發(fā)展進(jìn)步。
21.1 列間求和
求總分（總分=語(yǔ)文+數(shù)學(xué)+英語(yǔ)）
對(duì)于上一章所提到的學(xué)生成績(jī)表，僅用一個(gè)語(yǔ)句即可完成總分計(jì)算，并填充。
df['總分']=df['語(yǔ)文']+df['數(shù)學(xué)']+df['英語(yǔ)']
完整代碼如下：
from pandas import read_excel
file='d:/student.xlsx' #見(jiàn)第18章表18-1
df=read_excel(file,sheet_name=0,converters={'學(xué)號(hào)':str})
df['總分']=df['語(yǔ)文']+df['數(shù)學(xué)']+df['英語(yǔ)']
print(df.head()) #df.head()的作用是僅顯示5行記錄。
運(yùn)行結(jié)果如下：
序號(hào) 學(xué)號(hào) 姓名 年級(jí) 班級(jí) 語(yǔ)文 數(shù)學(xué) 英語(yǔ) 總分 名次
0 1 070101 王博宇 NaN NaN 84 71 93 248 NaN
1 2 070102 陳冠濤 NaN NaN 89 89 89 267 NaN
2 3 070103 李文博 NaN NaN 89 72 76 237 NaN
3 4 070204 姜海燕 NaN NaN 89 89 89 267 NaN
4 5 070205 林若溪 NaN NaN 91 95 83 269 NaN
21.2替換
既可以將對(duì)滿足條件的行和列的數(shù)據(jù)替換，也可以對(duì)整個(gè)集合的數(shù)據(jù)按照條件進(jìn)行替換。
df['總分'].replace(310,'x',inplace=True)
將總分列的數(shù)值“310”替換為“x”。inplace=True表示改變?cè)瓟?shù)據(jù)。
df.replace(76,0,inplace=True)
將整個(gè)DataFrame中的數(shù)值“76”替換為“0”。
df.replace([98,76,99],0,inplace=True)
將整個(gè)DataFrame中的數(shù)值“98,76,99”一次替換為“0”。
21.2排序
既可以將某一列作為關(guān)鍵字段排序，也可以將幾個(gè)列分別作為主、次關(guān)鍵字段進(jìn)行排序。排序既可以按升序排序，也可以按降序排序。
函數(shù)sort_values()的語(yǔ)法格式如下：
df.sort_values(by=[“col1”,”col2”,......,”coln”],ascending=False)
其中，coln表示列名，也可以是列名的列表；ascending表示排序方式，值為T(mén)rue表示升序，可以省缺，值為False表示降序。
如：
df=df.sort_values(by=['總分'],ascending=False)
表示按照“總分”從高到低排序。
df=df.sort_values(by=['總分','語(yǔ)文'],ascending=False)
表示按照“總分”從高到低排序，若“總分”相同，再按照“語(yǔ)文”成績(jī)從高到低排序。
21.3 字段截取
函數(shù)slice()可以從某列中截取字符串。格式如下：
slice(start,stop)
其中，start表示開(kāi)始位置；stop表示結(jié)束位置
例：
df['年級(jí)']=df['學(xué)號(hào)'].str.slice(0,2)
通過(guò)此語(yǔ)句可以截取學(xué)號(hào)字段的第1、2個(gè)字符，并賦值給年級(jí)字段。
21.4 記錄抽取
可以抽取滿足條件的記錄。
例：抽取總分300的記錄。
df[df.總分300]
抽取總分在300到310之間（包括300和310）的記錄。
df[df.總分.between(306,310)]
抽取學(xué)號(hào)中包含“0803”的記錄。這樣可以非常方便的抽取某個(gè)班的信息。
df[df.學(xué)號(hào).str.contains('0803',na=False)]
此處的na=False，含義是如遇到NaN這樣的數(shù)據(jù)，直接做不匹配處理。
21.5修改記錄
1、整列替換
我們?cè)谇懊嬉呀?jīng)給整列填充過(guò)數(shù)據(jù)，填充時(shí)原來(lái)的數(shù)據(jù)就被覆蓋了。
即如下語(yǔ)句：
df['總分']=df['語(yǔ)文']+df['數(shù)學(xué)']+df['英語(yǔ)']
2、個(gè)別修改
如將值‘99’替換為值‘100’，可用如下語(yǔ)句：
df.replace('99','100')
將指定列的值替，如將語(yǔ)文列和英語(yǔ)列的值‘99’替換為值‘100’，可用如下語(yǔ)句：
df.replace({'語(yǔ)文':99,'英語(yǔ)':99},100)
可用如下程序去驗(yàn)證：
from pandas import read_excel
file='d:/student.xlsx'
df=read_excel(file,sheet_name=0,converters={'學(xué)號(hào)':str})
print(df[(df.語(yǔ)文==99) |(df.英語(yǔ)==99)])
df=df.replace({'語(yǔ)文':99,'英語(yǔ)':99},100)
print(df[(df.語(yǔ)文==99) |(df.英語(yǔ)==99)])
運(yùn)行結(jié)果為：
序號(hào) 學(xué)號(hào) 姓名 年級(jí) 班級(jí) 語(yǔ)文 數(shù)學(xué) 英語(yǔ) 總分 名次
28 29 090802 丁能通 09 NaN 119 120 99 338 NaN
29 30 090203 沈丹妮 09 NaN 109 108 99 316 NaN
Empty DataFrame
Columns: [序號(hào), 學(xué)號(hào), 姓名, 年級(jí), 班級(jí), 語(yǔ)文, 數(shù)學(xué), 英語(yǔ), 總分, 名次]
Index: []
可以看出，第一個(gè)print()語(yǔ)句輸出的結(jié)果中滿足條件“語(yǔ)文或英語(yǔ)為99分”的有兩條記錄，替換語(yǔ)句執(zhí)行以后，df中再?zèng)]有滿足條件“語(yǔ)文或英語(yǔ)為99分”的記錄了。
21.6記錄合并
函數(shù)concat()的格式如下：
concat([dataFrame1,dataFrame2,......]，ignore_index=True)
其中，dataFrame1等表示要合并的DataFrame數(shù)據(jù)集合；ignore_index=True表示合并之后的重新建立索引。其返回值也是DataFrame類(lèi)型。
concat()函數(shù)和append()函數(shù)的功能非常相似。
例：
import pandas #導(dǎo)入pandas模塊
from pandas import read_excel #導(dǎo)入read_execel
file='d:/student.xlsx' #變量file表示文件路徑，注意'/'的用法 數(shù)據(jù)見(jiàn)第18章表18-1
df=read_excel(file,sheet_name=0,converters={'學(xué)號(hào)':str})
# 將Excel文件導(dǎo)入到DataFrame變量中
df=df[:5] #截取df的前5個(gè)記錄
print(df) #輸出df
df1=df[:3] #截取df的前3個(gè)記錄存入df1中
df2=df[3:5] #截取df的最后2個(gè)記錄存入df2中
df3=pandas.concat([df2,df1]) #將df2與df1合并存入df3中
print(df3) #輸出df3
運(yùn)行結(jié)果如下：
序號(hào) 學(xué)號(hào) 姓名 年級(jí) 班級(jí) 語(yǔ)文 數(shù)學(xué) 英語(yǔ) 總分 名次
0 1 070101 王博宇 NaN NaN 84 71 93 NaN NaN
1 2 070102 陳冠濤 NaN NaN 89 89 89 NaN NaN
2 3 070103 李文博 NaN NaN 89 72 76 NaN NaN
3 4 070204 姜海燕 NaN NaN 89 89 89 NaN NaN
4 5 070205 林若溪 NaN NaN 91 95 83 NaN NaN
序號(hào) 學(xué)號(hào) 姓名 年級(jí) 班級(jí) 語(yǔ)文 數(shù)學(xué) 英語(yǔ) 總分 名次
3 4 070204 姜海燕 NaN NaN 89 89 89 NaN NaN
4 5 070205 林若溪 NaN NaN 91 95 83 NaN NaN
0 1 070101 王博宇 NaN NaN 84 71 93 NaN NaN
1 2 070102 陳冠濤 NaN NaN 89 89 89 NaN NaN
2 3 070103 李文博 NaN NaN 89 72 76 NaN NaN
由于合并時(shí)是將df1合并到df2中，可以看出，索引仍然保持原來(lái)的狀態(tài)。
21.7統(tǒng)計(jì)次數(shù)
可以用如下方法統(tǒng)計(jì)出某個(gè)值在某行或者某個(gè)范圍出現(xiàn)的次數(shù)。
from pandas import read_excel
file='d:/student.xlsx'
df=read_excel(file,sheet_name=0,converters={'學(xué)號(hào)':str})
df=df[:5]
print(df)
print(df['語(yǔ)文'].value_counts())
輸出結(jié)果如下：
序號(hào) 學(xué)號(hào) 姓名 年級(jí) 班級(jí) 語(yǔ)文 數(shù)學(xué) 英語(yǔ) 總分 名次
0 1 070101 王博宇 NaN NaN 84 71 93 NaN NaN
1 2 070102 陳冠濤 NaN NaN 89 89 89 NaN NaN
2 3 070103 李文博 NaN NaN 89 72 76 NaN NaN
3 4 070204 姜海燕 NaN NaN 89 89 89 NaN NaN
4 5 070205 林若溪 NaN NaN 91 95 83 NaN NaN
89 3
84 1
91 1
Name: 語(yǔ)文, dtype: int64
可以看出，通過(guò)value_counts()函數(shù)可以統(tǒng)計(jì)出列中各值出現(xiàn)的次數(shù)。
value_counts()函數(shù)的參數(shù)還有 ：
ascending，當(dāng)ascending=True時(shí)升序排列，當(dāng)ascending=False時(shí)升序排列（此時(shí)該參數(shù)可省缺）；
normalize，當(dāng)normalize=True時(shí)，顯示的不再是各值出現(xiàn)的次數(shù)，而是占比。
將上例中的語(yǔ)句print(df['語(yǔ)文'].value_counts())改為：
print(df['語(yǔ)文'].value_counts(ascending=True,normalize=True))
則輸出結(jié)果變成了：
91 0.2
84 0.2
89 0.6
Name: 語(yǔ)文, dtype: float64
21.8按值查找
print(df['語(yǔ)文'].isin([84,91]))
它的作用是查找‘語(yǔ)文’列中值和isin所指的列表中元素一致的記錄，如果找到結(jié)果為T(mén)rue，否則為False。
輸出結(jié)果：
0 True
1 False
2 False
3 False
4 True
Name: 語(yǔ)文, dtype: bool
21.9數(shù)據(jù)分區(qū)
根據(jù)某個(gè)分區(qū)標(biāo)準(zhǔn)，將數(shù)據(jù)按照所屬區(qū)域進(jìn)行劃分，并用相應(yīng)的標(biāo)簽表示，可以用cut()方法來(lái)實(shí)現(xiàn)。
語(yǔ)法格式如下：
cut(series, bins, right=True, labels=NULL)
其中：
series表示需要分組的數(shù)據(jù)；
bins表示分組的依據(jù)，是一個(gè)列表，其元素為劃分分區(qū)的邊界值，如[0,72,96,120]，就是劃分3個(gè)分區(qū)，即0~72、72~96、96~120，默認(rèn)的是“左包右不包”；
right表示分組時(shí)右邊是否閉合；
labels表示分組的自定義標(biāo)簽，也可以不重新定義。
下面對(duì)上述學(xué)生成績(jī)表中的語(yǔ)文成績(jī)進(jìn)行分組，并增加一個(gè)新的列“語(yǔ)文等級(jí)”。
import pandas as pd
from pandas import read_excel #導(dǎo)入read_execel
file='d:/student.xlsx'
df=read_excel(file,sheet_name=0,converters={'學(xué)號(hào)':str})
df['年級(jí)']=df['學(xué)號(hào)'].str.slice(0,2)
df['班級(jí)']=df['學(xué)號(hào)'].str.slice(0,4)
df.總分=df.語(yǔ)文+df.數(shù)學(xué)+df.英語(yǔ)
bins=[0,72,96,max(df.語(yǔ)文)+1] #
lab=['不及格','及格','優(yōu)秀']
grade=pd.cut(df.語(yǔ)文,bins,right=False,labels=lab)
df['語(yǔ)文等級(jí)']=grade
print(df.head())
print("語(yǔ)文成績(jī)分等級(jí)統(tǒng)計(jì)結(jié)果:")
print(df['語(yǔ)文等級(jí)'].value_counts())
運(yùn)行結(jié)果如下：
序號(hào) 學(xué)號(hào) 姓名 年級(jí) 班級(jí) 語(yǔ)文 數(shù)學(xué) 英語(yǔ) 總分 語(yǔ)文等級(jí)
0 1 070101 王博宇 07 0701 84 71 93 248 及格
1 2 070102 陳冠濤 07 0701 89 89 89 267 及格
2 3 070103 李文博 07 0701 89 72 76 237 及格
3 4 070204 姜海燕 07 0702 89 89 89 267 及格
4 5 070205 林若溪 07 0702 91 95 83 269 及格
語(yǔ)文成績(jī)分等級(jí)統(tǒng)計(jì)結(jié)果:
及格 17
優(yōu)秀 10
不及格 4
Name: 語(yǔ)文等級(jí), dtype: int64
Python截取路徑中的文件名
假設(shè)有一個(gè)文件的路徑名為：“K:\Project\FilterDriver\DriverCodes\hello.txt”，而且路徑和文件名都不是固定的。如何得到hello.txt這段字符串呢？
一、字符串分割–split()函數(shù)
1
2
path="K:/Project/FilterDriver/DriverCodes/hello.txt"
printpath.split("/")[-1]
執(zhí)行結(jié)果：hello.txt。
二、使用basename()函數(shù)
1
2
3
import os.path
filePath="K:/Project/FilterDriver/DriverCodes/hello.txt"
printos.path.basename(filePath)
執(zhí)行的結(jié)果仍然是hello.txt。
可以參考下面的代碼：
#!/usr/bin/python
# encoding: utf-8
# filename: baiduzhidao.py
ln = "4564612131856+654654654654"
print ln.split("+")
#~ Result:
#~ python -u "baiduzhidao.py"
#~ ['4564612131856', '654654654654']
#~ Exit code: 0? ? Time: 0.052
Python在設(shè)計(jì)上堅(jiān)持了清晰劃一的風(fēng)格，這使得Python成為一門(mén)易讀、易維護(hù)，并且被大量用戶(hù)所歡迎的、用途廣泛的語(yǔ)言，設(shè)計(jì)者開(kāi)發(fā)時(shí)總的指導(dǎo)思想是，對(duì)于一個(gè)特定的問(wèn)題，只要有一種最好的方法來(lái)解決就好了。
Python本身被設(shè)計(jì)為可擴(kuò)充的。并非所有的特性和功能都集成到語(yǔ)言核心。Python提供了豐富的API和工具，以便程序員能夠輕松地使用C語(yǔ)言、C++、Cython來(lái)編寫(xiě)擴(kuò)充模塊。
Python是完全面向?qū)ο蟮恼Z(yǔ)言。函數(shù)、模塊、數(shù)字、字符串都是對(duì)象。并且完全支持繼承、重載、派生、多繼承，有益于增強(qiáng)源代碼的復(fù)用性。
擴(kuò)展資料：
python參考函數(shù)
vars(obj) 返回一個(gè)object的name space。用dictionary表示
locals() 返回一個(gè)局部name space,用dictionary表示
globals() 返回一個(gè)全局name space,用dictionary表示
type(obj) 查看一個(gè)obj的類(lèi)型
isinstance(obj,cls) 查看obj是不是cls的instance
issubclass(subcls,supcls) 查看subcls是不是supcls的子類(lèi)
參考資料來(lái)源：百度百科-Python （計(jì)算機(jī)程序設(shè)計(jì)語(yǔ)言）
重慶分公司
重慶分公司
