Pandas数据分析库 整理Excel表格再也不用担心啦

亲爱的小伙伴们，今天让我来给大家介绍一个超级实用的Python库 —— Pandas！作为一个经常要和Excel打交道的女生，我深知整理数据的烦恼。不过有了Pandas，处理Excel表格就变得像拿着魔法棒一样简单呢！今天我们就一起来学习如何用Pandas来处理Excel数据吧~

准备工作

首先要安装Pandas库，只需要在命令行中输入：

pip install pandas

别忘了也要安装处理Excel文件的依赖库哦：

pip install openpyxl

读取Excel文件

让我们先来看看如何把Excel文件读入Python：

import pandas as pd



# 读取Excel文件

df = pd.read_excel('sales.xlsx')



# 查看前5行数据

print(df.head())

小贴士：df是DataFrame的缩写，可以把它理解为一个超级表格，就像Excel一样有行和列呢！

数据清洗小技巧

经常会遇到数据不整齐的情况，下面是一些实用的清理方法：

# 删除重复行

df.drop_duplicates(inplace=True)



# 填充空值

df.fillna('未知', inplace=True)



# 重命名列

df.rename(columns={'销售额': 'sales', '日期': 'date'}, inplace=True)

?注意事项：inplace=True表示直接修改原数据，如果不加这个参数，需要用新变量接收修改后的结果哦~

数据分析小能手

来看看一些常用的数据分析方法：

# 按月份统计销售总额

monthly_sales = df.groupby('month')['sales'].sum()



# 找出销售额最高的前3名

top3 = df.nlargest(3, 'sales')



# 计算每个产品的平均价格

avg_price = df.groupby('product')['price'].mean()

保存处理后的结果

处理完数据当然要保存啦：

# 保存为Excel

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



# 保存为CSV

df.to_csv('new_sales.csv', index=False, encoding='utf-8-sig')

小技巧：保存中文时，建议使用utf-8-sig编码，这样Excel打开就不会乱码了~

实战小练习

让我们来做一个小练习吧：

1. 读取一个销售数据表格
2. 删除重复数据
3. 按照销售员统计总销售额
4. 将结果保存到新Excel文件

import pandas as pd



# 读取数据

df = pd.read_excel('sales_data.xlsx')



# 删除重复行

df.drop_duplicates(inplace=True)



# 按销售员统计

summary = df.groupby('salesperson')['amount'].sum().reset_index()



# 保存结果

summary.to_excel('sales_summary.xlsx', index=False)

小伙伴们，今天的Python学习之旅就到这里啦！记得动手敲代码，有问题随时在评论区问我哦。读Excel、写Excel都不是问题，以后再也不用发愁啦！祝大家学习愉快，Python学习节节高！

温馨提示：

1. 处理大文件时要注意内存使用
2. 保存文件前最好先备份原始数据
3. 多使用head()查看数据，避免操作错误