python从入门到精通（二十二）：python文件操作之Excel全攻略（基于pandas）

1.表格的基础知识

如果我们要使用python来处理表格，首先我们需要了解怎么表格的每个部分对应的python应该怎么操作

1.1 xls与xlsx格式详解

• 历史演变：xls是Excel 2003及之前版本的默认格式，采用BIFF8二进制格式存储
• xlsx格式特点：基于XML的开放格式（OOXML标准），采用ZIP压缩技术

兼容性对比：

• Excel 2007+ 支持读写两种格式
• Excel 2013+ 默认保存为xlsx
• 其他办公软件兼容性差异

文件结构差异：

• xls最大限制：65536行×256列
• xlsx最大支持：1048576行×16384列

打开方式：

• xls是excel2003及以前版本所生成的文件格式
• xlsx是excel2007及以后版本所生成的文件格式
  （excel 2007之后版本可以打开上述两种格式，但是excel2013只能打开xls格式）

1.2 表格内部结构的认识

• 一个Excel电子表格文档称为一个工作簿
• 一个工作簿保存在一个扩展名为.xlsx的文件中
• 一个工作簿可以包含多个表
• 用户当前查看的表（或关闭Excel前最后查看的表）称为活动表
• 在特定行和列的方格称为单元格、格子

2.表格的基础操作

2.1 认识表格的基本库

2.1.1 csv内置的标准库

• 简介：csv 是 Python 内置的标准库，专门用于处理 CSV（逗号分隔值）文件。CSV
  文件是一种简单的文本文件，数据以逗号分隔不同字段，常用于数据交换和存储。
• 优点：无需额外安装，使用简单，适合处理简单的 CSV 文件读写操作。
• 缺点：功能相对单一，只能进行基本的读写操作，缺乏数据处理和分析功能。
• 示例代码 - 读取 CSV 文件

import csvwith open('example.csv', 'r', newline='') as file:reader = csv.reader(file)for row in reader:print(row)

2.1.2 xlrd 和 xlwt

• 简介：xlrd 用于读取 Excel 文件（主要支持 .xls 格式），xlwt 用于写入 Excel 文件（仅支持 .xls
  格式）。这两个库在早期 Python 处理 Excel 文件时非常常用，但由于 .xls 格式的局限性，现在逐渐被 openpyxl
  取代。
• 优点：简单易用，对于处理旧版本的 Excel 文件有一定的优势。
• 缺点：仅支持 .xls 格式，不支持 Excel 2010 及以上版本的 .xlsx 格式，功能相对有限。

import xlrd# 打开 Excel 文件
workbook = xlrd.open_workbook('example.xls')# 获取指定工作表，这里以获取第一个工作表为例
sheet = workbook.sheet_by_index(0)# 获取工作表的行数和列数
rows, columns = sheet.nrows, sheet.ncols# 遍历每一行
for row in range(rows):# 用于存储当前行的数据row_data = []# 遍历当前行的每一列for col in range(columns):# 获取当前单元格的值cell_value = sheet.cell_value(row, col)row_data.append(cell_value)print(row_data)

import xlwt# 创建一个新的工作簿
workbook = xlwt.Workbook()# 创建一个工作表
sheet = workbook.add_sheet('Sheet1')# 定义要写入的数据
data = [['Name', 'Age', 'City'],['Alice', 25, 'New York'],['Bob', 30, 'Los Angeles']
]# 遍历数据列表
for row_index, row in enumerate(data):# 遍历当前行的数据for col_index, value in enumerate(row):# 在指定单元格写入数据sheet.write(row_index, col_index, value)# 保存工作簿到文件
workbook.save('output.xls')

2.1.3 openpyxl

• 简介：openpyxl 是一个用于读写 Excel 2010 及以上版本文件（.xlsx、.xlsm 等）的库。它可以直接操作 Excel
  文件的单元格、工作表、图表等元素。
• 优点：能够精确控制 Excel 文件的各种元素，如单元格样式、合并单元格、设置公式等，适合需要对 Excel 文件进行复杂格式设置的场景。
• 缺点：主要专注于 Excel 文件的操作，对于其他格式的表格数据支持有限，且在数据处理和分析方面不如 pandas 强大。

from openpyxl import load_workbookworkbook = load_workbook('example.xlsx')
sheet = workbook.active
for row in sheet.iter_rows(values_only=True):print(row)

2.1.4 pandas

• 简介：pandas 是一个强大的数据处理和分析库，提供了 DataFrame 和 Series
  两种主要的数据结构，非常适合处理表格数据。它支持多种文件格式的读写，包括 CSV、Excel、SQL 数据库等。
• 优点：功能全面，涵盖了数据读取、清洗、转换、分析、可视化等多个方面，提供了丰富的方法和函数，能够高效地处理大规模数据。
• 缺点：学习曲线相对较陡，对于初学者来说可能需要花费一些时间来掌握其复杂的 API。

import pandas as pddf = pd.read_csv('example.csv')
average_age = df['Age'].mean()
print(f"Average age: {average_age}")

2.2 安装和环境配置

安装必要库

pip install pandas openpyxl xlrd xlsxwriter sqlite3

2.3 xlrd 和 xlwt

2.3.1 库的说明

什么是xlrd模块

• python操作excel主要用到xlrd和xlwt这两个库，即xlrd是读excel，xlwt是写exce的库。

为什么用xlrd模块

• 在UI自动化或者接口自动化中数据维护是一个核心，所以此模块非常实用。xlrd模块可以用于读取Excel的数据，速度非常快，推荐使用!

2.3.2 安装xlrd库

1.如果安装慢或者安装失败，可以指定安装源安装

2.百度搜索安装源

3.命令行下指定安装源安装

2.3.3 导入模块

import xlrd

2.3.4 深入使用

1.打开execl文件读取数据

data = xlrd.open_workbook("1.xls")

2.获取book中的工作表

#方法一
table = data.sheets()[0]
#方法二
table = data.sheet_by_index(0)
#方法三
table = data.sheet_by_name("sheet1")

3.返回book中的所有表

names = data.sheet_names()

4.检查sheet是否导入完毕

data.sheet_loaded(sheet_name or index)

5.获取sheet中的行数

2.4 Pandas

2.4.1 简介

pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。

官方网站:https://pandas.pydata.org/
官方文档:https://pandas.pydata.org/pandas-docs/stable/

2.4.2 安装pandas

pip安装pandas

pip install pandas

2.4.3 导入pandas

导入pandas并查看相应版本 as 是给pandas起一个简称，方便我们使用

import pandas as pd
pandas._version_

2.4.3 pandas Series数据结构

2.4.3.1 Series的作用和参数

Pandas Series 类似表格中的一个列(column)，类似于一维数组，由一组数据值（value）和一组标签组成，其中标签与数据值之间是一一对应的关系。Series 可以保存任何数据类型。Series 由索引(index)和列组成，函数如下：

pandas.Series(data,index,dtype,name,copy) 

参数说明如下所示：

• data:一组数据(ndarray 类型)。
• index:数据索引标签，如果不指定，默认从0开始。
• dtype:数据类型，默认会自己判断。
• name:设置名称。
• copy:拷贝数据，默认为 False。

2.4.3.2 创建一个空Series对象

import pandas as pd
# print(pandas.__version__)series1 = pd.Series()
print(series1)

2.4.3.3 创建一个简单的Series对象

import pandas as pd
# print(pandas.__version__)a = [1,2,3]
series2 = pd.Series(a)
print(series2)

2.4.3.4 根据索引值读取数据

从上图可知，如果没有指定索引，索引值就从0开始，我们可以根据索引值读取数据：

import pandas as pd
# print(pandas.__version__)a = [1,2,3]
series2 = pd.Series(a)
print(series2[1])

2.4.3.5 手动设定索引值

import pandas as pd
# print(pandas.__version__)a = [1,2,3]
series2 = pd.Series(a,index=('x','y','z'))
print(series2)

2.4.3.7 手动设置索引并取值

import pandas as pd
# print(pandas.__version__)a = [1,2,3]
series2 = pd.Series(a,index=('x','y','z'))
print(series2["x"])

2.4.3.8 使用key/value创建Series

字典的 key 变成了索引值

import pandas as pd
# print(pandas.__version__)a = {1:"xsad",2:"dsadas",3:"sdasds"}
series2 = pd.Series(a)
print(series2)

如果我们只需要字典中的一部分数据，只需要指定需要数据的索引即可，如下实例:

import pandas as pd
# print(pandas.__version__)a = {1:"xsad",2:"dsadas",3:"sdasds"}
series2 = pd.Series(a,index=[1,2])
print(series2)

设置series的name

import pandas as pd
# print(pandas.__version__)a = {1:"xsad",2:"dsadas",3:"sdasds"}
series2 = pd.Series(a,name="lucky-series-test")
print(series2)

2.4.4 pandas DataFrame数据结构

DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型(数值、字符串、布尔型值)。DataFrame 既有行索引也有列索引，它可以被看做由 Series组成的字典(共同用一个索引)。

DataFrame 其实是从 Series 的基础上演变而来，就是多个Series组成的字典

行标签（index），又有列标签（columns）

标签和现实表格的对应关系

DataFrame 构造方法如下:

pandas.DataFrame( data,index,columns,dtype,copy)

• data:一组数据(ndarray,series, map, lists, dict 等类型)。
• index:索引值，或者可以称为行标签
• columns:列标签，默认为 Rangelndex(0,1,2,…,n)。
• dtype:数据类型。
• copy:拷贝数据，默认为False。

Pandas DataFrame 是一个二维的数组结构，类似二维数组

import pandas as pd
# print(pandas.__version__)data =[['dlrb',10],['lucky',12],['glnz',13]]
df = pd.DataFrame(data,columns=['name','Age'])
print(df)

2.4.4.1使用ndarrays和字典创建DF

以下实例使用 ndarrays 创建，ndarray的长度必须相同，如果传递了 index，则索引的长度应等于数组的长度。如果没有传递索引，则默认情况下，索引将是range(n)，其中n是数组长度。

ndarray(N 维数组)是一个快速且灵活的数据集容器。

以下实例-使用 ndarrays 创建

import pandas as pd
# print(pandas.__version__)data ={'Name':['elrb','lucky','glnz'],'Age':[10,12,13]}
df = pd.DataFrame(data)
print(df)

从以上输出结果可以知道， DataFrame 数据类型一个表格,包含rows(行)和columns(列)：

还可以使用字典(key/value)，其中字典的 key 为列名
实例-使用字典创建

import pandas as pd
# print(pandas.__version__)data = [{'a':1,'b':2,'c':3,'d':4,'e':5},{'a':1,'b':2,'c':3,'d':4,'e':5},{'a':1,'b':2,'c':3,'d':4,'e':5},{'a':1,'b':2,'c':3,'d':4,'e':5},{'a':1,'b':2,'c':3,'d':4,'e':5}]
df = pd.DataFrame(data)
print(df)

Pandas 可以使用loc属性返回指定行的数据，如果没有设置索引，第一行索引为 0，第二行索引为 1，以此类推:

import pandas as pd
# print(pandas.__version__)data ={"calories":[420,380,390],"duration":[50,40,45]
}
df = pd.DataFrame(data)
print(df.loc[0])
print(df.loc[1])

注意:返回结果其实就是一个 Pandas Series 数据。

返回多行数据，也可以返回多行数据，使用[[…]]格式，…为各行的索引，以逗号隔开:

import pandas as pd
# print(pandas.__version__)data ={"calories":[420,380,390],"duration":[50,40,45]
}
df = pd.DataFrame(data)
print(df.loc[[0,1]])

返回某行数据

import pandas as pd
# print(pandas.__version__)data ={"calories":[420,380,390],"duration":[50,40,45]
}
df = pd.DataFrame(data,index=['day1','day2','day3'])
print(df)
print(df.loc['day1'])

2.4.5 Pandas读取写入CSV

CSV(Iomma-Separated Values，逗号分隔值，有时也称为CSV字符分隔值，因为分隔字符也可以不是逗号)，其文件以纯文本形式存储表格数据(数字和文本)
CSV 是一种通用的、相对简单的文件格式，被用户、商业和科学广泛应用。
Pandas 可以很方便的处理 CSV 文件 本文以 nba.csv为例

2.4.5.1 read_csv读取CSV文件

import pandas as pddata = pd.read_csv('2.csv')
print(data.to_string())

to_string()用于返回 DataFrame 类型的数据，如果不使用该函数，则输出结果为数据的前面5行和未尾5行，中间部分以…代替。

2.4.5.2 to_csv写入csv文件

import pandas as pddata = pd.read_csv('2.csv')
data.to_csv('test.csv')
print(data.to_string())

注意: 在写入csv文件会默认将索引写入如果不需要索引 则需添加参数进行处理

data.to_csv('test.csv',index=False)

2.4.5.3 数据处理

1.head()
head( n)方法用于读取前面的n行，如果不填参数n，默认返回 5 行。
实例-读取前面10行

import pandas as pddata = pd.read_csv('2.csv')
print(data.head(10))

2.tail()
tail( n)方法用于读取尾部的n行，如果不填参数n，默认返回 5 行，空行各个字段的值返回 NaN,
实例-读取未尾10 行

import pandas as pddata = pd.read_csv('2.csv')
print(data.tail(10))

3.info()
info()方法返回表格的一些基本信息

import pandas as pddata = pd.read_csv('2.csv')
print(data.info())

2.4.6 Pandas读取写入Execl

Pandas提供了非常强大的功能操作Excel,是数据分析领域处理Excel文档的重要工具

Pandas方法

• 读取Excel

df= pd.read excel()

• 写入Excel

df.to excel()

常用参数

• index：是否写入索引默认为True
• header ：是否写入表头 默认True
• sheet_name：写入哪个sheet页 默认sheet1
• startrow 写入Excel数据开始行 默认0行
• startcol 写入Excel数据开始列 默认0列

import pandas as pd# 读取Excel 去除表头 使用默认生成表头  
df = pd.read_excel('1.xlsx',header=None)
print(df.to_string())# 写入Excel 去除表头header=None和索引index=False 
df.to_excel('1.xlsx',index=False,header=False)

注意
当前在读取Excel以后会默认把第一行作为表头，这样在写入的时候会自带格式，为了防止这个问题出现，所以需要再读取和写入的时候给定参数，下面所有数据操作都以这个表为对象

2.4.6.1 Pandas数据查看

上面处理csv的所有方法在这里可以同样去使用，这里就不在过多赘述~

2.4.6.1.1 head()

head( n)方法用于读取前面的n行，如果不填参数n，默认返回 5 行。

2.4.6.1.2 tail()

tail( n)方法用于读取尾部的n行，如果不填参数n，默认返回 5 行，空行各个字段的值返回 NaN,
实例-读取未尾10 行

2.4.6.1.3 info()

info()方法返回表格的一些基本信息

import pandas as pd# 读取Excel 去除表头 使用默认生成表头
df = pd.read_excel('1.xlsx',header=None)
# print(data.to_string())
print(df.head())
print(df.head(10))
print(df.tail())
print(df.tail(10))
print(df.info())# 写入Excel 去除表头和索引
df.to_excel('1.xlsx',index=False,header=False)

2.4.6.1.4 set_option 指定查看行数

df= pd.set option('max rows',200) # 可查看200行

2.4.6.1.5 shape 行列数

df.shape    #DataFrame的行列数 199行 6列

2.4.6.1.6 dtypes 变量类型

df.dtypes

2.4.6.1.7 describe 统计

df.describe()

2.4.6.2 Pandas数据选择

2.4.6.2.1 index 行名称或者行索引

df.index

2.4.6.2.2 columns 查找列名称

df.columns

2.4.6.2.3 values查找表的值

df.values

2.4.6.2.4 df[“A”] 查找某一列

df['姓名'] #查找出姓名这一列

2.4.6.2.5 df[[‘A’,‘B’]] 查找多个列

df[['姓名','年龄']]

2.4.6.2.6 sample 随机选取几行

df.sample(5) #随机选5行

2.4.6.2.7 df[x:x]指定连续选择多行

df[1:5] #

2.4.6.2.8 loc 根据行列名称定位查找

格式：

df.loc[ :,:]

按图取出如下数据：

df.loc[0:5,'工号':'入职时间']

1.取一列，指定行

df.loc[0:9,'工号']

2.取一列，全部行，相当于取 series

df.loc[:,'工号']

3.取一行，指定连线列

df.loc[9,'工号':'入职时间']

4.取一行，指定不连续列

df.loc[9，['工号','入职时间']]

2.4.6.2.9 iloc 根据索引定位查找

格式：

df.iloc[:,:]

按照图中取出所需数据：

df.iloc[0:7,0:5]  #包左不包右，省略顶到头

1.取一列，指定行

df.iloc[0:4,1]

2.取一列，全部行，相当于取 series

df.iloc[:,1]

3.取一行，指定连续列

df.iloc[4,1:6]

4.取一行，指定不连续列

df.iloc[5,[1,6]]  #报错 取这样的数据用标签取而不是索引 

5.取一行，全部列

df.iloc[46,:]

2.4.6.2.10 布尔值索引

最后我们可以采用判断指令(Boolean indexing)进行选择,我们可以约束某项条件然后选择出当前所有数据

df['年龄'] == 30

df[df['年龄'] == 30]

df['单价(元)'] > 5000

df[df['单价(元)'] > 5000]

2.4.6.3 Pandas数据修改

2.4.6.3.1 list修改列名

df.columns = ['num','name','age','time','sale' ,'price']

2.4.6.3.2 rename修改列名

df.rename(columns={'num'='工号','name'='姓名','age'='年龄','time'='入职时间','sale'='销量','price'='单价（元）'},inplace=True) #把英文名称改回汉字

2.4.6.3.3 set_index修改索引

df.set_index('工号') #工号成了索引

df.set_index('工号',inplace=True) #工号成了索引

df.reset_index(inplace=True) # 取消刚才的赋值操作

多次reset ，drop就是舍弃丢掉，当你想重新设置index的时候，就可以用到

df.reset_index(inplace=True,drop=True) # 取消刚才的赋值操作

2.4.6.3.4 按列修改值

df['姓名'] + ['_同学'] #字符串列可以直接加上字符串，对整列进行操作

在原表修改

df['姓名'] = df['姓名'] + ['_同学']

2.4.6.3.5 切片操作

字符串操作：长度

df['姓名'].str.len()

字符串操作:切分 split()

df['姓名'].str.split('_',expand=True)[0]

将姓名_同学切分后重新赋值

df['姓名'] = df['姓名'].str.split('',expand=True)[0]

#用 loc 标签来选取修改

df.loc[3，'姓名']='曹鑫CDA'

#用iloc 索引来选取修改

df.iloc[3,1]='潘雨类'

2.4.6.3.5 条件设置

如果现在的判断条件是这样,我们想要更改B中的数,而更改的位置是取决于A的,对于A大于4的位置.更改B在相应位

df['单价(元)'] > 4000

df[df['单价(元)'] > 4000] = 0

df.loc[df['年龄']>30，'姓名'] = 0 #年龄>30的姓名改为0

2.4.6.3.5 按列修改类型

#一列一列的处理，str,float,int

df['工号'] = df['工号'].astype('str')
df .dtypes

#一列一列的处理，时间

df['入职时间']= pd.to_datetime(df['入职时间'])
df .dtypes

2.4.6.4 Pandas数据增加

2.4.6.4.1 使用 loc按行增加

df.loc[199]=[1,1,1,1,1,1]

2.4.6.4.1 使用 loc按列增加

在原始上面改还是新建一列呢?

df['新姓名'] = df['姓名'〕+ ' 同学'

2.4.6.3 Pandas数据拼接

dfl = df.loc[0:5,:]

df2 =df.loc[4:10,:]

pd.concat([dfl,df2]，axis=0)  #axis=0  上下拼接 删除  0-5 4-10

pd.concat([dfl,df2],axis=0,ignore_index=True )  #ignore_index重新生成index，拼接的index是乱的

df4 =pd.concat([dfl,df2],axis=1)        #axis=1  横向拼接

2.4.6.3 Pandas数据删除

数据清洗是对一些没有用的数据进行处理的过程，很多数据集存在数据缺失、数据格式错误、错误数据或重复数据的情况，如果要使数据分析更加准确，就需要对这些没有用的数据进行处理
在这个教程中，我们将利用 Pandas包来进行数据清洗。
请观察下面表格

表包含了四种空数据

• n/a
• NA
• na
• - -

2.4.6.3.1 删除空值数据

如果我们要删除包含空字段的行，可以使用 dropna()方法语法格式如下：

DataFrame.dropna(axis=0,how='any',thresh=None,subset=None,inplace=False)

• axis:默认为 0，表示逢空值剔除整行，如果设置参数 axis=1表示逢空值去掉整列。
• how:默认为’any’如果一行(或一列)里任何一个数据有出现 NA 就去掉整行，如果设置 how=‘all’ 一行(或列)都是 NA 才去掉这整行。
• thresh:设置需要多少非空值的数据才可以保留下来的。
• subset:设置想要检查的列。如果是多个列，可以使用列名的 list 作为参数。
• inplace:如果设置 True，将计算得到的值直接覆盖之前的值并返回 None，修改的是源数据

我们可以通过 isnull()判断各个单元格是否为空

df['年龄'].isnull()

df[df['年龄'].isnull()] #取出空值的行

df[df['年龄'].isnu1l()| df['入职时间'].isnu11()]

以上例子中我们看到 Pandas 把 n/a 和 NA 当作空数据，na 不是空数据，不符合我们要求，我们可以指定空数据类型:

import pandas as pdmissing_values =['n/a","na',"--"]
df = pd.read_csv('property-data.csv',na_values = missing_values)
print(df['NUM_BRDROOMS'])
print(df['NUM_BRDROOMS'].isnull())

接下来的实例演示了删除包含空数据的行

df.dropna(axis=1,how='any')
'any':只要存在NaN 就 drop 掉:'al1'必须全部是 NaN 才 drop

import pandas as pddf = pd.read_csv('property-data.csv')
new_df = df.dropna()
print(new_df.to_string()) 

注意:默认情况下，dropna()方法返回一个新的DataFrame，不会修改源数据。
如果你要修改源数据 DataFrame,可以使用 inplace =True 参数:

import pandas as pddf = pd.read_csv('property-data.csv')
df.dropna(inplace=True)
print(df.to_string())

我们也可以移除指定列有空值的行:移除 ST NUM 列中字段值为空的行

import pandas as pddf = pd.read_csv('property-data.csv')
df.dropna(subset=['ST NUM'],inplace=True)
print(df.to_string())

我们也可以 filna() 方法来替换一些空字段,使用 12345 替换空字段

import pandas as pddf = pd.read_csv('property-data.csv')
df.fillna(12345,inplace =True)
print(df.to_string())

我们也可以指定某一个列来替换数据,使用 12345 替换 PID 为空数据:

import pandas as pddf = pd.read_csv('property-data.csv')
df['PID'].fillna(12345,inplace = True)
print(df.to_string())

替换空单元格的常用方法是计算列的均值、中位数值或众数。
Pandas使用 mean()、median()和 mode()方法计算列的均值(所有值加起来的平均值)、中位数值(排序后排在中间的数)和众数(出现频率最高的数)
使用 mean()方法计算列的均值并替换空单元格

import pandas as pddf = pd.read_csv('property-data.csv')
x= df["ST NUM"].mean()
df["ST NUM"].fillna(x,inplace = True)
print(df.to_string())

使用 median()方法计算列的中位数并替换空单元格

import pandas as pddf = pd.read_csv('property-data.csv')
x= df["ST NUM"].median()
df["ST NUM"].fillna(x,inplace = True)
print(df.to_string())

使用 mode()方法计算列的众数并替换空单元格

import pandas as pddf = pd.read_csv('property-data.csv')
x= df["ST NUM"].mode()
df["ST NUM"].fillna(x,inplace = True)
print(df.to_string())

2.4.6.3.2 删除格式错误数据

数据格式错误的单元格会使数据分析变得困难，甚至不可能，我们可以通过包含空单元格的行，或者将列中的所有单元格转换为相同格式的数据。
以下实例会格式化日期

import pandas as pd#第三个日期格式错误
data ={"Date":['2020/12/01','2020/12/02','2020/12/26'],"duration":[50,40,45]
}df = pd.DataFrame(data,index=["day1","day2","day3"])
df["Date"] = pd.to_datetime(df["Date"])
print(df)

2.4.6.3.3 删除错误数据

数据错误也是很常见的情况，我们可以对错误的数据进行替换或移除。
以下实例会替换错误年龄的数据

import pandas as pdperson = {
"name":['dlrb','lucky','Iglnz'],"age":[50,40,12345]# 12345 年龄数据是错误的
}df = pd.DataFrame(person)
print(df)
df.loc[2,'age']=30 # 修改数据
print(df.to_string())

也可以设置条件语句:
将 age 大于 120 的设置为 120:

import pandas as pdperson = {
"name":['dlrb','lucky','Iglnz'],"age":[50,40,12345]# 12345 年龄数据是错误的
}df = pd.DataFrame(person)
print(df)
for i in df.index:if df.loc[i,'age'] > 120 :df.loc[i,'age'] = 120print(df.to_string())

将 age 大于 120 的删除:

import pandas as pdperson = {
"name":['dlrb','lucky','Iglnz'],"age":[50,40,12345]# 12345 年龄数据是错误的
}df = pd.DataFrame(person)
print(df)
for i in df.index:if df.loc[i,'age'] > 120 :df.drop(i,inplace=True)print(df.to_string())

2.4.6.3.4 删除重复数据

如果我们要清洗重复数据，可以使用 duplicated()和drop_duplicates()方法。
如果对应的数据是重复的，duplicated()会返回 True，否则返回 False。

import pandas as pdperson ={"name":['dlrb','lucky','lucky','glnz'],"age":[50,0,40,23]
}
df = pd.DataFrame(person)
print(df)
print(df.duplicated())
df.drop duplicates()
print(df)

df.drop duplicates() #快速删除重复数据

按列删除

df.drop(labels='工号',axis=1)

按行删除

df.drop(labels=1,axis=0)

2.4.6.4 Pandas数据排序

df.sort_values(by=['入职时间'],ascepding = 1) # by参数指定按照什么进行排  acsending参数指定是顺序还是逆序，1顺序，0逆序

df.sort _values(by=['入职时间'，'销量','年龄']，ascending=[1,1,1])

2.4.6.5 Pandas数据过滤

2.4.6.6 Pandas数据分组

2.4.6.7 Pandas数据合并

2.4.6.8 Pandas时间序列处理

2.4.6.9 Pandas数据可视化