使用 Pandas 处理 .xlsx 文件的教程

Pandas 是 Python 数据分析的核心库之一，它提供了丰富的数据处理功能，尤其在处理表格数据（如 .xlsx 文件）时非常强大。Pandas 结合了 Python 的灵活性和简洁性，让用户能够轻松地进行数据的读写、清洗、操作和分析。本文将介绍如何使用 Pandas 处理 .xlsx 文件的常见操作，包括读取、写入、筛选、合并和统计等操作。

---

一、环境配置

1. 安装 Pandas

首先，确保已经安装了 Pandas 和 openpyxl（用于读取 .xlsx 文件）。可以通过以下命令进行安装：

pip install pandas openpyxl

openpyxl 是 Pandas 默认读取 .xlsx 文件的依赖库，确保其已经正确安装。

2. 导入 Pandas

在开始处理文件之前，需要在代码中导入 Pandas：

import pandas as pd

---

二、读取 Excel 文件

Pandas 提供了 pd.read_excel() 函数，可以轻松读取 .xlsx 文件。

1. 读取单个工作表

最常见的操作是读取 .xlsx 文件中的单个工作表。以下是读取 Excel 文件的基本用法：

# 读取 Excel 文件中的第一个工作表
df = pd.read_excel('data.xlsx')

# 显示前五行数据
print(df.head())

可以通过 sheet_name 参数指定读取的工作表：

# 读取名为 "Sheet2" 的工作表
df = pd.read_excel('data.xlsx', sheet_name='Sheet2')

2. 读取多个工作表

如果 Excel 文件中有多个工作表，并且想同时读取多个表，可以传递 sheet_name 为列表：

# 读取多个工作表，返回一个字典
sheets = pd.read_excel('data.xlsx', sheet_name=['Sheet1', 'Sheet2'])

# 获取某个工作表的数据
sheet1_df = sheets['Sheet1']

3. 读取所有工作表

要读取所有工作表，可以将 sheet_name=None：

# 读取所有工作表
sheets = pd.read_excel('data.xlsx', sheet_name=None)

# 获取所有工作表的字典
for sheet_name, data in sheets.items():
    print(f"Sheet name: {sheet_name}")
    print(data.head())

4. 读取部分列或行

可以使用 usecols 参数只读取特定的列，或使用 nrows 读取部分行：

# 读取第1到3列的数据
df = pd.read_excel('data.xlsx', usecols="A:C")

# 只读取前10行数据
df = pd.read_excel('data.xlsx', nrows=10)

5. 跳过行

可以使用 skiprows 参数跳过文件中的前几行：

# 跳过文件中的前5行
df = pd.read_excel('data.xlsx', skiprows=5)

---

三、写入 Excel 文件

Pandas 允许将 DataFrame 数据写入 Excel 文件，使用 to_excel() 方法。

1. 将 DataFrame 写入 Excel

将 DataFrame 写入 .xlsx 文件：

df.to_excel('output.xlsx', index=False)

其中，index=False 表示不写入行索引。如果需要保留索引信息，可以将其省略或设置为 True。

2. 写入多个工作表

如果要将数据写入多个工作表，可以使用 pd.ExcelWriter 进行操作：

with pd.ExcelWriter('multi_sheet_output.xlsx') as writer:
    df1.to_excel(writer, sheet_name='Sheet1', index=False)
    df2.to_excel(writer, sheet_name='Sheet2', index=False)

3. 自定义表头

可以通过 header 参数自定义表头名称或禁用表头：

# 自定义表头
df.to_excel('output.xlsx', header=['Col1', 'Col2', 'Col3'], index=False)

# 不写入表头
df.to_excel('output.xlsx', header=False, index=False)

---

python四、数据操作

在读取 Excel 文件后，可以利用 Pandas 强大的数据操作功能对数据进行处理。

1. 筛选数据

假设读取的 Excel 数据表如下：

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David'],
    'Age': [24, 27, 22, 32],
    'Score': [85, 62, 90, 88]
}
df = pd.DataFrame(data)

可以根据特定条件筛选数据：

# 筛选出年龄大于25的数据
filtered_df = df[df['Age'] > 25]
print(filtered_df)

2. 排序数据

可以根据某列的值对数据进行排序：

# 按年龄进行升序排序
sorted_df = df.sort_values(by='Age', ascending=True)
print(sorted_df)

3. 分组与聚合

可以根据某一列对数据进行分组，并计算聚合结果：

# 按年龄分组，计算平均分数
grouped = df.groupby('Age')['Score'].mean()
print(grouped)

4. 缺失值处理

Pandas 提供了多种处理缺失值的方法。例如，查找和删除缺失值：

# 查看缺失值
print(df.isnull().sum())

# 删除包含缺失值的行
df.dropna(inplace=True)

# 用某个值替换缺失值
df.fillna(0, inplace=True)

---

五、Excel 文件的高级操作

1. 合并多个 Excel 文件

假设有多个 Excel 文件，并且它们有相同的列结构，可以使用 concat() 方法合并这些文件：

import pandas as pd

# 读取多个 Excel 文件
df1 = pd.read_excel('file1.xlsx')
df2 = pd.read_excel('file2.xlsx')

# 合并数据
df_combined = pd.concat([df1, df2], ignore_index=True)
print(df_combined)

2. 使用自定义数据类型

可以通过 dtype 参数指定读取列的数据类型：

# 将 'Age' 列作为字符串读取
df = pd.read_excel('data.xlsx', dtype={'Age': str})

3. 处理合并单元格

在 Excel 文件中，合并单元格可能导致数据读取不完整。Pandas 默认会将合并单元格的第一个值赋予该列的所有单元格。如果希望保留数据结构，可以手动处理这些合并单元格：

df = pd.read_excel('data_with_merged_cells.xlsx', merge_cells=False)

4. 条件格式化

可以在写入 Excel 文件时，添加条件格式。例如，突出显示某些条件的单元格：

import pandas as pd
from pandas.io.formats.style import Styler

# 创建样式函数
def highlight_max(s):
    is_max = s == s.max()
    return ['background-color: yellow' if v else '' for v in is_max]

# 创建 DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 3, 6],
    'C': [7, 8, 5]
})

# 应用样式并保存到 Excel
styled = df.style.apply(highlight_max)
styled.to_excel('styled_output.xlsx', engine='openpyxl', index=False)

---

六、总结

本文介绍了如何使用 Pandas 处理 .xlsx 文件，包括读取、写入、数据操作以及一些高级操作。Pandas 为处理 Excel 文件提供了强大的功能，特别是在数据清洗、分析和保存方面，它可以帮助轻松应对复杂的 Excel 数据操作。

常见的操作包括：

• 使用 read_excel() 读取 Excel 文件的内容，并根据需求读取特定的工作表或部分数据。
• 使用 to_excel() 将 DataFrame 数据写入 Excel 文件，可以输出多工作表或自定义格式。
• 利用 Pandas 强大的数据操作能力，可以进行数据筛选、排序、分组、聚合以及处理缺失值。

通过熟练掌握这些操作，将能够更高效地处理和分析 Excel 文件中的数据。