快速简便：使用 Pandas 操作 Excel 的技巧和窍门

前言

今天接到一个需求，需要读取excel，将其中两列分别作为字典的key、value进行保存，怎么读取excel呢，之前好像使用过Pandas，但是接触不多，借此机会记录一下学习的收获。

Pandas

Pandas 是一个强大的 Python 库，用于数据分析和处理。它提供了丰富的数据结构和函数，可以方便地进行数据操作和分析。在处理 Excel 数据时，Pandas 提供了简单而强大的工具，可以帮助用户轻松地读取、写入和操作 Excel 文件。

安装 Pandas

要使用，当然第一步就是安装。可以使用 pip 命令进行安装：

pip install pandas

读取 Excel 文件

使用 Pandas 读取 Excel 文件非常简单。假设有一个名为 data.xlsx 的 Excel 文件，包含了一些数据。可以使用 Pandas 的 read_excel 函数来读取这个文件：

import pandas as pd
​
df = pd.read_excel('data.xlsx')

想要指定sheet，可以这样写

import pandas as pd
​
df = pd.read_excel('data.xlsx', sheet_name='Sheet1')

想要读取指定的列，可以这样写

import pandas as pd
​
df = pd.read_excel('data.xlsx', sheet_name='Sheet1', converters={"曲目序号":str})

读取到文件后，如何获取数据呢？

获取前5行

df.head()

获取指定的单行

df.iloc[0].values

获取指定的多行

df.iloc[[1,2]].values

获取指定的行列

df.iloc[1,0]

获取指定的多行多列值

df.loc[[1,2],['教材id','教材名']].values

获取所有行的指定列

df.loc[:,['教材id','教材名']].values

获取行号

df.index.values

获取列名

df.columns.values

获取指定列的值

df['教材id'].values

操作 Excel 数据

一旦数据被读取到 Pandas 的 DataFrame 中，就可以使用 Pandas 提供的各种函数和方法来操作数据。例如，可以对数据进行筛选、排序、计算等操作。

案例：计算平均值

假设 Excel 文件中包含了一个名为 sales 的列，记录了销售额。可以使用 Pandas 计算这一列的平均值：

# 计算销售额的平均值
average_sales = df['sales'].mean()
print('Average sales:', average_sales)

案例：筛选数据

假设需要筛选出销售额大于 1000 的数据：

# 筛选销售额大于 1000 的数据
high_sales = df[df['sales'] > 1000]
print('High sales:', high_sales)

写入 Excel 文件

除了读取，Pandas 也可以将数据写入 Excel 文件。可以使用 to_excel 方法将 DataFrame 中的数据写入到 Excel 文件中：

# 将数据写入 Excel 文件
df.to_excel('output.xlsx', index=False)

实战：读取数据再写入表格

df = pd.read_excel('data.xlsx')
test_data=[]
for i in df.index.values:
    row_data=df.loc[i,['教材id','教材旧id','教材名','教材封面','作曲家','出版社','曲目id','曲目名','曲目序号','难度','finale文件','xml文件','png文件开始','png文件结束','mp3文件']].to_dict()
    test_data.append(row_data)
​
pd.DataFrame.from_dict(test_data).to_excel("score.xlsx")

这段代码，我们通过df.index.values来获取行号的索引，并对其进行遍历，然后使用df.loc来获取每一行指定的数据，并利用to_dict转成字典，最后再调用to_excel写入文件。

最后

这些只是使用 Pandas 进行 Excel 数据处理的基本用法，当然Pandas 非常强大，可以满足各种数据处理需求，包括数据清洗、转换、分析等。以后工作中遇到再慢慢摸索更高级的功能