Arkusze Excela są bardzo intuicyjne i przyjazne dla użytkownika, co czyni je idealnymi do manipulowania dużymi zbiorami danych nawet dla mniej technicznych osób. Jeśli szukasz miejsc, w których możesz nauczyć się manipulować i automatyzować rzeczy w plikach Excel za pomocą Pyton , nie szukaj dalej. Jesteś we właściwym miejscu.

W tym artykule dowiesz się, jak z niego korzystać Pandy do pracy z arkuszami kalkulacyjnymi Excel. W tym artykule dowiemy się o:

• Czytać Plik Excel używając Pand w Pythonie
• Instalowanie i importowanie Pand
• Czytanie wielu arkuszy Excela za pomocą Pand
• Zastosowanie różnych funkcji Pand

Czytanie pliku Excel przy użyciu Pand w Pythonie

Instalowanie Pand

Aby zainstalować Pandy w Pythonie, możemy użyć następującego polecenia w wierszu poleceń:

pip install pandas 

Aby zainstalować Pandy w Anacondzie, możemy użyć następującego polecenia w terminalu Anaconda:

conda install pandas 

Importowanie Pand

Na początek musimy zaimportować moduł Pandas, co można zrobić wydając komendę:

Python3

import> pandas as pd>

Plik wejściowy: Załóżmy, że plik Excel wygląda tak

Arkusz 1:

Arkusz 1

Arkusz 2:

Arkusz 2

Teraz możemy zaimportować plik Excel za pomocą funkcji read_excel w Pandach, aby odczytać plik Excel za pomocą Pand w Pythonie. Druga instrukcja odczytuje dane z Excela i zapisuje je w ramce danych pandy, która jest reprezentowana przez zmienną newData.

Python3

df> => pd.read_excel(> 'Example.xlsx'> )> print> (df)>

Wyjście:

   Roll No. English Maths Science   0 1 19 13 17 1 2 14 20 18 2 3 15 18 19 3 4 13 14 14 4 5 17 16 20 5 6 19 13 17 6 7 14 20 18 7 8 15 18 19 8 9 13 14 14 9 10 17 16 20 

Ładowanie wielu arkuszy przy użyciu metody Concat().

Jeśli w skoroszycie programu Excel znajduje się wiele arkuszy, polecenie zaimportuje dane z pierwszego arkusza. Aby utworzyć ramkę danych zawierającą wszystkie arkusze skoroszytu, najprostszą metodą jest oddzielne utworzenie różnych ramek danych, a następnie ich połączenie. Metoda read_excel przyjmuje argument nazwa_arkusza i indeks_kol gdzie możemy określić arkusz z którego ma być wykonana ramka, a indeks_col określa kolumnę tytułową, jak pokazano poniżej:

Przykład:

Trzecia instrukcja łączy oba arkusze. Teraz, aby sprawdzić całą ramkę danych, możemy po prostu uruchomić następujące polecenie:

Python3

file> => 'Example.xlsx'> sheet1> => pd.read_excel(> file> ,> > sheet_name> => 0> ,> > index_col> => 0> )> sheet2> => pd.read_excel(> file> ,> > sheet_name> => 1> ,> > index_col> => 0> )> # concatinating both the sheets> newData> => pd.concat([sheet1, sheet2])> print> (newData)>

Wyjście:

Roll No. English Maths Science 1 19 13 17 2 14 20 18 3 15 18 19 4 13 14 14 5 17 16 20 6 19 13 17 7 14 20 18 8 15 18 19 9 13 14 14 10 17 16 20 1 14 18 20 2 11 19 18 3 12 18 16 4 15 18 19 5 13 14 14 6 14 18 20 7 11 19 18 8 12 18 16 9 15 18 19 10 13 14 14 

Metody Head() i Tail() w Pandach

Aby wyświetlić 5 kolumn od góry i od dołu ramki danych, możemy uruchomić polecenie. Ten głowa() I ogon() Metoda przyjmuje również argumenty jako liczby określające liczbę wyświetlanych kolumn.

Python3

print> (newData.head())> print> (newData.tail())>

Wyjście:

 English Maths Science Roll No. 1 19 13 17 2 14 20 18 3 15 18 19 4 13 14 14 5 17 16 20 English Maths Science Roll No. 6 14 18 20 7 11 19 18 8 12 18 16 9 15 18 19 10 13 14 14 

Metoda kształtu().

The metoda kształtu(). można użyć do wyświetlenia liczby wierszy i kolumn w ramce danych w następujący sposób:

Python3

newData.shape>

Wyjście:

(20, 3) 

Metoda Sort_values() w Pandach

Jeśli jakakolwiek kolumna zawiera dane liczbowe, możemy posortować tę kolumnę za pomocą sort_values() metoda w pandach w następujący sposób:

Python3

sorted_column> => newData.sort_values([> 'English'> ], ascending> => False> )>

Załóżmy teraz, że chcemy 5 pierwszych wartości posortowanej kolumny. Możemy tutaj użyć metody head():

Python3

sorted_column.head(> 5> )>

Wyjście:

 English Maths Science Roll No. 1 19 13 17 6 19 13 17 5 17 16 20 10 17 16 20 3 15 18 19 

Możemy to zrobić z dowolną kolumną numeryczną ramki danych, jak pokazano poniżej:

Python3

newData[> 'Maths'> ].head()>

Wyjście:

Roll No. 1 13 2 20 3 18 4 14 5 16 Name: Maths, dtype: int64 

Metoda Pandy Description().

Załóżmy teraz, że nasze dane są głównie liczbowe. Możemy uzyskać informacje statystyczne, takie jak średnia, maksymalna, minimalna, itp. o ramce danych za pomocą opisać() sposób pokazany poniżej:

Python3

newData.describe()>

Wyjście:

 English Maths Science count 20.00000 20.000000 20.000000 mean 14.30000 16.800000 17.500000 std 2.29645 2.330575 2.164304 min 11.00000 13.000000 14.000000 25% 13.00000 14.000000 16.000000 50% 14.00000 18.000000 18.000000 75% 15.00000 18.000000 19.000000 max 19.00000 20.000000 20.000000 

Można to również zrobić oddzielnie dla wszystkich kolumn liczbowych za pomocą następującego polecenia:

Python3

newData[> 'English'> ].mean()>

Wyjście:

14.3 

Za pomocą odpowiednich metod można również obliczyć inne informacje statystyczne. Podobnie jak w programie Excel, można również stosować formuły i tworzyć kolumny obliczeniowe w następujący sposób:

Python3

newData[> 'Total Marks'> ]> => > newData[> 'English'> ]> +> newData[> 'Maths'> ]> +> newData[> 'Science'> ]> newData[> 'Total Marks'> ].head()>

Wyjście:

Roll No. 1 49 2 52 3 52 4 41 5 53 Name: Total Marks, dtype: int64 

Po operacji na danych w ramce danych możemy wyeksportować dane z powrotem do pliku Excel metodą to_excel. W tym celu musimy określić wyjściowy plik Excel, w którym mają zostać zapisane przekształcone dane, jak pokazano poniżej:

Python3

newData.to_excel(> 'Output File.xlsx'> )>

Wyjście:

Arkusz końcowy