本文目录一览:
- 1、一般的工作数据用excel处理还是python处理好
- 2、python和excel的适用范围
- 3、分析excel和python在处理数据时各自的优劣点?
- 4、像Excel一样使用Python(一)
- 5、如何用python读取excel文件?
- 6、怎样在Excel中使用python脚本
一般的工作数据用excel处理还是python处理好
你好:一般的工作数据用office办公软件中的excel表格就可以完全解决,没有必要使用python编程处理。由于python和excel两种相比较而言,后者相对资料丰富、易学和容易掌握等有点,而python虽说容易学,但是毕竟还是一门编程语言,用途当然可以想象。为此,工作一般就是做简单的运算、画图指标等,office软件基本可以满足需求。
python和excel的适用范围
Python语言可以用来作为批处理语言,写一些简单工具,处理些数据,作为其他软件的接口调试等。Python语言可以用来作为函数语言,进行人 工智能 程序的开发,具有Lisp语言的大部分功能。Python语言可以用来作为过程语言,进行我们常见的应用程序开发,可以和VB等语言一样应用。 Python语言可以用来作为面向对象语言,具有大部分面向对象语言的特征,常作为大型应用软件的原型开发,再用C++改写,有些直接用Python来开 发。
excel广泛应用于统计分析、财务管理分析、股票分析和经济、行政管理等各个方面;Excel是Microsoft为使用Windows和Apple Macintosh操作系统的电脑编写的一款电子表格软件。
分析excel和python在处理数据时各自的优劣点?
两者都是数据分析处理工具,excel上手简单,操作界面人性化,小批量数据处理神器;
python需要点编程基础,安装步骤、导入库、编译器、语法让很多人不懂了,但它在扩展性强,存在大量外部扩展库,什么批量合并excel工作簿、批量发送邮件、自动化生成报表之类,虽然这些excel都可以,但涉及到VB语言,远不及python语法简单;但是如果一份几百条数据,需要统计一个结果,excel插入透视表,分类汇总两步搞定,你非要用python,先是导入pandas/numpy,又是xlrd,接着又是groupby,一顿操作猛如虎,看着十分高大上,人家excel2秒钟早已搞定;
数据处理:两者都很熟练的情况下,不考虑数据数量,基本平分秋色,excel成熟体系的快捷键、功能;python丰富的各类外部库;
数据分析:这个的话excel虽然有规划求解、方差分析、T检验之类的工具,但是你要搞个k-mean聚类、决策树之类的,excel是不行的,还有就是处理数据级与运行效率的问题,excel单表100W,能处理得差不多就二三十万,多了就卡死了,python就不存在这个问题。
总而言之,公司日常报表,财务类、考勤类、部门小组业绩类,这些基本excel就可以搞定,但你要搞大数据分析,随随便便几百万条数据,excel表示心有余而力不足。
像Excel一样使用Python(一)
在进行数据处理时,如果数据简单,数量不多,excel是大家的首选。但是当数据众多,类型复杂,需要灵活地显示切片、进行索引、以及排序时,python会更加方便。借助python中的numpy和pandas库,它能快速完成各种任务,包括数据的创建、检查、清洗、预处理、提取、筛选、汇总、统计等。接下来几篇文章,将以excel为参照,介绍python中数据的处理。
提到pandas,那就不得不提两类重要的数据结构,Series和DataFrame,这两类数据结构都是建立在numpy的数组array基础上。与array相比,Series是一个一维的数据集,但是每个数据元素都带有一个索引,有点类似于字典。而DataFrame在数组的基础上,增加了行索引和列索引,类似于Series的字典,或者说是一个列表集。
所以在数据处理前,要安装好numpy , pandas。接下来就看看如何完成一套完整的数据操作。
创建数据表的方法分两种,分别是从外部导入数据,以及直接写入数据。
在python中,也可外部导入xlsx格式文件,使用read_excel()函数:
import pandas as pd
from pandas import DataFrame,Series
data=DataFrame(pd.read_excel('c:/python27/test.xlsx'))
print data
输出:
Gene Size Function
0 arx1 411 NaN
1 arx2 550 monooxygenase
2 arx3 405 aminotransferase
……
即:调用pandas中read_excel属性,来读取文件test.xlsx,并转换成DataFrame格式,赋给变量data。在每一行后,自动分了一个索引值。除了excel,还支持以下格式文件的导入和写入:
Python写入的方法有很多,但还是不如excel方便。常用的例如使用相等长度的字典或numpy数组来创建:
data1 = DataFrame(
{'Gene':['arx1','arx2','arx3'],
'Size':[411,550,405],
'Func':[np.NaN,'monooxygenase','aminotransferase ']})
print data1
输出
Func Gene Size
0 NaN arx1 411
1 monooxyg arx2 550
2 amino arx3 405
分配一个行索引后,自动排序并输出。
在python中,可以使用info()函数查看整个数据的详细信息。
print data.info()
输出
RangeIndex: 7 entries, 0 to 6
Data columns (total 3 columns):
Gene 7 non-null object
Size 7 non-null int64
Function 5 non-null object
dtypes: int64(1), object(2)
memory usage: 240.0+ bytes
None
此外,还可以通过shape, column, index, values, dtypes等函数来查看数据维度、行列组成、所有的值、 数据类型:
print data1.shape
print data1.index
print data1.columns
print data1.dtypes
输出
(3, 3)
RangeIndex(start=0, stop=3, step=1)
Index([u'Func', u'Gene', u'Size'], dtype='object')
Func object
Gene object
Size int64
dtype: object
在excel中可以按“F5”,在“定位条件”中选择“空值”,选中后,输入替换信息,再按“Ctrl+Enter”即可完成替换。
在python中,使用函数 isnull 和 notnull 来检测数据丢失, 包含空值返回True,不包含则返回False。
pd.isnull(data1)
pd.notnull(data1)
也可以使用函数的实例方法,以及加入参数,对某一列进行检查:
print data1['Func'].isnull()
输出
Func Gene Size
0 True False False
1 False False False
2 False False False
再使用fillna对空值进行填充:
data.fillna(value=0)
#用0来填充空值
data['Size'].fillna(data1['Size'].mean())
#用data1中Size列的平均值来填充空值
data['Func']=data['Func'].map(str.strip)
#清理Func列中存在的空格
Excel中可以按“Ctrl+F”,可调出替换对话框,替换相应数据。
Python中,使用replace函数替换:
data['Func'].replace('monooxygenase', 'oxidase')
将Func列中的'monooxygenase'替换成'oxidase'。
Excel中,通过“数据-筛选-高级”可以选择性地看某一列的唯一值。
Python中,使用unique函数查看:
print data['Func'].unique()
输出
[nan u'monooxygenase' u'aminotransferase' u'methyltransferase']
Excel中,通过UPPER、LOWER、PROPER等函数来变成大写、小写、首字母大写。
Python中也有同名函数:
data1['Gene'].str.lower()
Excel中可以通过“数据-删除重复项”来去除重复值。
Python中,可以通过drop_duplicates函数删除重复值:
print data['Func'].drop_duplicates()
输出
0 NaN
1 monooxygenase
2 aminotransferase
3 methyltransferase
Name: Func, dtype: object
还可以设置“ keep=’last’ ”参数,后出现的被保留,先出现的被删除:
print data['Func'].drop_duplicates(keep='last')
输出
2 aminotransferase
3 methyltransferase
6 monooxygenase
8 NaN
Name: Func, dtype: object
内容参考:
Python For Data Analysis
蓝鲸网站分析博客,作者蓝鲸(王彦平)
如何用python读取excel文件?
1.首先说明我是使用的python3.5,我的office版本是2010,首先打开dos命令窗,安装必须的两个库,命令是:
pip3 install xlrd
Pip3 install xlwt
2.准备好excel,例如我的一个工作文件,我放在D盘/百度经验/11.xlsx,只有一个页签A,内容是一些销售数据
3.打开pycharm,新建一个excel.py的文件,首先导入支持库
import xlrdimport xlwt
4.针对刚入门的新手,先介绍三个知识,第一个:获取excel的sheet名称,第二:获取excel行数与列数,第三:获取第几行第几列的具体值,这是最常用的三个知识点
5.贴出代码,具体分析:
(1)要操作excel,首先得打开excel,使用open_workbook(‘路径’)
(2)要获取行与列,使用nrows(行),ncols(列)
(3)获取具体的值,使用cell(row,col).value
workbook=xlrd.open_workbook(r'E:11.xlsx')print (workbook.sheet_names()) sheet2=workbook.sheet_by_name('A') nrows=sheet2.nrows ncols=sheet2.ncols print(nrows,ncols) cell_A=sheet2.cell(1,1).value print(cell_A)
6.要在excel里写入值,就要使用write属性,重点说明写入是用到xlwt这个支援库,思路是先新建excel,然后新建页签B,然后将一组数据写入到B,最后保存为excel.xls,这里建议保存为2003的格式,大部分电脑都能打开,特别注意保存的excel的路径是在python工作文件的目录下面,贴出代码:
stus = [['年', '月'], ['2018', '10'], ['2017', '9'], ['2016', '8']]Excel = xlwt.Workbook() # 新建excelsheet = Excel.add_sheet('B') #新建页签Brow = 0for stu in stus: col = 0 for s in stu: sheet.write(row, col, s) #开始写入 col = col + 1 row = row + 1Excel.save('Excel.xls') #保存
关于如何用python读取excel文件,环球青藤小编就和大家分享到这里了,学习是永无止境的,学习一项技能更是受益终身,所以,只要肯努力学,什么时候开始都不晚。如果您还想继续了解关于python编程的学习方法及素材等内容,可以点击本站其他文章学习。
怎样在Excel中使用python脚本
一、使用工具:excel、python
二、使用方法和步骤:
1、先安装python2.7,然后配置环境变量,保证python在该环境中,打开开始菜单,找到计算机,然后右键单击它,选择【属性】
2、找到高级系统设置
3、找到环境变量,点击该按钮,打开环境变量设置窗口
4、找到Path系统变量,然后点击【编辑】
5、在这里,确保python的安装目录在,没有的话,添加进去
6、下面就可以安装该插件了
7、双击即可安装,安装过程就是一路点击’下一步。
8、在这里,不要勾选python,如果通过这种方式安装python,你原先安装的python就无法使用了。
9、最后安装完成,打开Excel就可以看到datanitro了
三、注意事项:切记不要勾选python,如果通过这种方式安装python,你原先安装的python就无法使用了。