当前位置：首页 > news >正文

使用 Python pandas操作 Excel 文件

news 来源：原创 2025/8/20 14:00:09

使用 Python `pandas` 操作 Excel 文件

flyfish

pandas 是 Python 中一个强大的数据处理和分析库，它提供了丰富的数据结构（如 Series 和 DataFrame）和数据操作方法，能够方便地处理各种数据格式，包括 Excel 文件。

安装 `pandas`

在使用 pandas 之前，需要先安装它。可以使用 pip 进行安装：

pip install pandas

如果需要处理 Excel 文件，还需要安装 openpyxl 库（用于处理 .xlsx 文件）：

pip install openpyxl

数据结构

Series：一维的带标签数组，类似于一维数组或列表。
DataFrame：二维的表格型数据结构，类似于 Excel 表格，由行和列组成。

例子

1. 读取 Excel 文件

import pandas as pd# 读取 Excel 文件
file_path = 'example.xlsx'
df = pd.read_excel(file_path)# 查看数据的基本信息
print('数据基本信息：')
df.info()# 查看数据集行数和列数
rows, columns = df.shapeif rows:# 数据行数大于 0 时查看数据前几行信息print('数据前几行信息：')print(df.head().to_csv(sep='\t', na_rep='nan'))
else:print('数据为空')

代码解释：

pd.read_excel 用于读取 Excel 文件，返回一个 DataFrame 对象。
df.info() 用于查看数据的基本信息，如列名、数据类型等。
df.head() 用于查看数据集行数和列数。
df.head() 用于查看数据的前几行。

2. 写入 Excel 文件

import pandas as pd# 创建示例数据
data = {'姓名': ['张三', '李四', '王五'],'年龄': [25, 30, 35],'城市': ['北京', '上海', '广州']
}
df = pd.DataFrame(data)# 写入单个工作表
df.to_excel('output_single.xlsx', index=False)# 写入多个工作表
with pd.ExcelWriter('output_multi.xlsx') as writer:df.to_excel(writer, sheet_name='Sheet1', index=False)df.to_excel(writer, sheet_name='Sheet2', index=False)

代码解释：

pd.DataFrame 用于创建一个 DataFrame 对象。
df.to_excel 用于将 DataFrame 写入 Excel 文件。index=False 表示不保存行索引。
pd.ExcelWriter 用于将多个 DataFrame 写入同一个 Excel 文件的不同工作表。

3. 筛选和处理数据

import pandas as pd# 读取 Excel 文件
df = pd.read_excel('example.xlsx')# 筛选年龄大于 30 的数据
filtered_df = df[df['年龄'] > 30]# 保存筛选后的数据到新的 Excel 文件
filtered_df.to_excel('filtered_output.xlsx', index=False)

代码解释：

df[df['年龄'] > 30] 用于筛选出年龄大于 30 的行。
filtered_df.to_excel 用于将筛选后的数据保存到新的 Excel 文件。

4. 数据排序

import pandas as pd# 读取 Excel 文件
df = pd.read_excel('example.xlsx')# 按年龄降序排序
sorted_df = df.sort_values(by='年龄', ascending=False)# 保存排序后的数据到新的 Excel 文件
sorted_df.to_excel('sorted_output.xlsx', index=False)

代码解释：

df.sort_values(by='年龄', ascending=False) 用于按年龄列降序排序。
sorted_df.to_excel 用于将排序后的数据保存到新的 Excel 文件。

5. 数据合并

import pandas as pd# 创建示例数据
data1 = {'ID': [1, 2, 3],'姓名': ['张三', '李四', '王五']
}
df1 = pd.DataFrame(data1)data2 = {'ID': [2, 3, 4],'成绩': [80, 90, 70]
}
df2 = pd.DataFrame(data2)# 合并数据
merged_df = pd.merge(df1, df2, on='ID', how='inner')# 保存合并后的数据到新的 Excel 文件
merged_df.to_excel('merged_output.xlsx', index=False)

代码解释：

pd.merge 用于将两个 DataFrame 按指定列（这里是 ID）进行合并。how='inner' 表示使用内连接，只保留两个 DataFrame 中 ID 相同的行。
merged_df.to_excel 用于将合并后的数据保存到新的 Excel 文件。

单元格操作

示例 1：修改单个单元格的值

import pandas as pd# 创建一个简单的 DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],'Age': [25, 30, 35]
}
df = pd.DataFrame(data)# 修改第 1 行（索引为 0）、'Name' 列的单元格值
df.at[0, 'Name'] = 'Alicia'# 将修改后的 DataFrame 保存为 Excel 文件
df.to_excel('single_cell_modify.xlsx', index=False)

代码解释：

df.at[0, 'Name'] 用于定位到第 1 行（索引从 0 开始）Name 列的单元格。
通过赋值操作将该单元格的值修改为 Alicia。
最后使用 to_excel 方法将修改后的 DataFrame 保存为 Excel 文件。

示例 2：根据条件修改单元格的值

import pandas as pd# 创建一个简单的 DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],'Age': [25, 30, 35]
}
df = pd.DataFrame(data)# 当年龄大于 30 时，将姓名改为 'Senior'
df.loc[df['Age'] > 30, 'Name'] = 'Senior'# 将修改后的 DataFrame 保存为 Excel 文件
df.to_excel('conditional_cell_modify.xlsx', index=False)

代码解释：

df.loc[df['Age'] > 30, 'Name'] 用于筛选出 Age 列中值大于 30 的行，并定位到 Name 列的单元格。
将这些单元格的值修改为 Senior。
最后保存为 Excel 文件。

示例 3：读取单个单元格的值

import pandas as pd# 读取 Excel 文件
df = pd.read_excel('example.xlsx')# 读取第 2 行（索引为 1）、第 1 列（索引为 0）的单元格值
cell_value = df.iat[1, 0]
print(f"第 2 行第 1 列的单元格值为: {cell_value}")

代码解释：

df.iat[1, 0] 用于读取第 2 行（索引从 0 开始）、第 1 列的单元格值。
将读取到的值存储在 cell_value 变量中并打印。

示例 4：批量修改某列单元格的值

import pandas as pd# 创建一个简单的 DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],'Age': [25, 30, 35]
}
df = pd.DataFrame(data)# 给 'Age' 列的每个单元格值加 5
df['Age'] = df['Age'] + 5# 将修改后的 DataFrame 保存为 Excel 文件
df.to_excel('batch_cell_modify.xlsx', index=False)

代码解释：

df['Age'] = df['Age'] + 5 对 Age 列的每个单元格值都加上 5。
最后保存修改后的 DataFrame 为 Excel 文件。

示例 5：在特定单元格插入公式

import pandas as pd# 创建一个简单的 DataFrame
data = {'Num1': [1, 2, 3],'Num2': [4, 5, 6]
}
df = pd.DataFrame(data)# 在新的 'Sum' 列的每个单元格插入求和公式
df['Sum'] = '=A' + (df.index + 2).astype(str) + '+B' + (df.index + 2).astype(str)# 将修改后的 DataFrame 保存为 Excel 文件
df.to_excel('formula_insert.xlsx', index=False)

代码解释：

首先创建一个包含两列数值的 DataFrame。
然后创建一个新的 Sum 列，通过字符串拼接的方式为每个单元格插入求和公式（这里假设 Excel 中 Num1 对应 A 列，Num2 对应 B 列）。
最后将 DataFrame 保存为 Excel 文件，在 Excel 中打开该文件时，这些公式会自动计算结果。

操作多个单元格

1. 选择多个单元格

按行和列的范围选择

可以使用 loc 或 iloc 方法按行和列的范围来选择多个单元格。loc 基于标签（行索引名和列名）进行选择，iloc 基于整数位置进行选择。

import pandas as pd# 创建示例 DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],'Age': [25, 30, 35, 40],'Score': [85, 90, 78, 92]
}
df = pd.DataFrame(data)# 使用 loc 按标签选择第 1 行到第 2 行，'Name' 列到 'Age' 列的单元格
selected_loc = df.loc[0:1, 'Name':'Age']
print("使用 loc 选择的单元格：")
print(selected_loc)# 使用 iloc 按整数位置选择第 1 行到第 2 行，第 0 列到第 1 列的单元格
selected_iloc = df.iloc[0:2, 0:2]
print("\n使用 iloc 选择的单元格：")
print(selected_iloc)

按条件选择

可以根据某些条件筛选出满足条件的多个单元格。

# 选择 Age 大于 30 的所有行的 'Name' 和 'Age' 列单元格
selected_condition = df.loc[df['Age'] > 30, ['Name', 'Age']]
print("\n按条件选择的单元格：")
print(selected_condition)

2. 修改多个单元格的值

批量修改指定范围的值

# 将第 1 行到第 2 行，'Age' 列的单元格值都修改为 28
df.loc[0:1, 'Age'] = 28
print("\n修改指定范围单元格后的数据：")
print(df)

根据条件修改多个单元格的值

# 将 Age 大于 30 的行的 'Score' 列单元格值都加 5
df.loc[df['Age'] > 30, 'Score'] = df.loc[df['Age'] > 30, 'Score'] + 5
print("\n根据条件修改单元格后的数据：")
print(df)

3. 填充多个单元格

使用固定值填充

# 将第 1 行到第 3 行，'Score' 列的单元格用值 80 填充
df.loc[0:2, 'Score'] = 80
print("\n使用固定值填充单元格后的数据：")
print(df)

使用序列填充

# 用一个序列填充第 1 行到第 3 行，'Name' 列的单元格
new_names = ['Eve', 'Frank', 'Grace']
df.loc[0:2, 'Name'] = new_names
print("\n使用序列填充单元格后的数据：")
print(df)

4. 合并多个单元格的值

假设要将 Name 列和 Age 列的值合并到一个新列中。

# 创建一个新列 'Info'，将 'Name' 列和 'Age' 列的值合并
df['Info'] = df['Name'] + ' (' + df['Age'].astype(str) + ')'
print("\n合并单元格值后的数据：")
print(df)

使用 Python pandas操作 Excel 文件

使用 Python pandas 操作 Excel 文件 flyfish pandas 是 Python 中一个强大的数据处理和分析库，它提供了丰富的数据结构（如 Series 和 DataFrame）和数据操作方法，能够方便地处理各种数据格式，包括 Excel 文件。安装…...

编程日记 2025/8/20 14:00:09

UE5.5 Niagara 发射器粒子更新模块

Particle State （粒子状态）模块 Particle State 主要用于控制粒子的生存状态，包括死亡、消失、响应事件等。 Particle State Kill Particles When Lifetime Has Elapsed 当粒子的生命周期结束时，销毁这些粒子。 Lifetime &…...

编程日记 2025/8/19 11:28:16

状态模式的C++实现示例

核心思想状态模式（State Pattern） 是一种行为设计模式，允许对象在其内部状态改变时改变其行为。它将状态相关的逻辑分散到不同的状态类中，避免了使用大量的条件语句来处理不同状态下的行为。状态抽象化：将对象的状…...

编程日记 2025/8/16 9:48:41

ThinkPHP8.0+MySQL8.0搭建简单实用电子证书查询系统

客户花了100元买了一个系统，开始不能导入，到处找人帮忙解决。给解决能导入了，不能修改，满足不了用户的需求。用户一狠心，花200块钱，叫我给他定制了一个电子证书查询系统。还免费给部署到服务器。惭愧惭愧……...

编程日记 2025/8/19 1:24:48

STM32全系大阅兵（2）

接前一篇文章：STM32全系大阅兵（1）本文内容参考： STM32家族系列的区别_stm32各个系列区别-CSDN博客 STM32--STM32 微控制器详解-CSDN博客...

编程日记 2025/8/16 12:29:21

upload-labs通关攻略【Pass-01~Pass-19】

注意：GitHub中upload-labs有多个版本:19关、21关、23关。版本不同，关卡的顺序也很可能不同。此次例子是21关。项目地址：https://github.com/c0ny1/upload-labs 一、Pass-01 【js前端检测的绕过】 1. 打开Pass-01 访问：ip/uploa…...

编程日记 2025/8/16 9:48:30

HCIP复习拓扑练习(修改版)

拓扑： 实际： 需求： 需求分析 1.这意味着学校内部网络能够正常解析域名并进行互联网访问。 2. PC1和PC2处于同一个内网192.168.1.0/24，其中PC1有权限访问外部网段3.3.3.0/24，而PC2没有。这涉及ACL（访问控制…...

编程日记 2025/8/20 14:00:08

Zabbix 7.2 + Grafana 中文全自动安装ISO镜像

简介基于Zabbix 官方的Alma Linux 8 作为基础镜像。镜像源都改为国内大学镜像站，自动联网安装ZabbixGrafana。安装中文字体、Zabbix和Grafana也配置默认中文。 Zabbix 也指定中文字体，绘图无乱码。配置时区为东八区，Zabbix配置We…...

编程日记 2025/8/17 14:36:57

使用 Python 将 PDF 转换为文本：打造一个简单高效的提取工具

在数字化时代，PDF 文件是我们日常生活中常见的文档格式。无论是学术论文、工作报告还是电子书，PDF 的广泛使用让提取其中文字内容成为一个常见需求。手动复制粘贴显然效率低下，而借助 Python，我们可以轻松实现自动化提取。本文将介…...

编程日记 2025/8/18 15:25:18

scoop退回软件版本的方法

title: scoop退回软件版本的方法 date: 2025-3-11 23:53:00 tags: 其他前言在软件更新后，如果出现了很影响使用体验的问题，那么可以把软件先退回以前的版本进行使用， 但是scoop本身并没有提供直接让软件回退版本的功能，因此…...

编程日记 2025/8/20 8:43:43

网络爬虫-2:正则化

1.正则化一.正则化 1.转义字符转义字符含义\s空白字符（空格、制表符等）\d数字字符（0-9）\w字母、数字或下划线.除换行符外的任意字符\n换行符\t制表符 import re result re.findall(r\s, Hello World\nPython) print(result)…...

编程日记 2025/8/19 10:11:58

emacs使用mongosh的方便工具发布

github项目地址: GitHub - csfreebird/emacs_mongosh: 在emacs中使用mongosh快速登录mongodb数据库 * 用途在emacs中使用mongosh快速登录mongodb数据库， 操作方法: M-x mongosh, 输入数据库名称，然后就可以自动登录，前提是你已经配置好了…...

编程日记 2025/8/20 7:41:04

【Spring】详细剖析Spring程序

文章目录一、Spring概述1. Spring简介1.1 OCP开闭原则1.2 依赖倒置原则DIP1.3 控制反转IoC 2. Spring8大模块二、Spring的入门程序1. Spring官网2. 第一个Spring程序2.1 创建工程2.2 配置 pom.xml：2.3 定义bean：User . java2.4 配置文件 spring.xml2.5…...

编程日记 2025/8/19 10:26:03

《MySQL数据库从零搭建到高效管理｜库的基本操作》

目录一、数据库的操作 1.1 展示数据库 1.2 创建数据库 1.3 使用数据库 1.4 查看当前数据库 1.5 删除数据库 1.6 小结二、常用数据类型 2.1 数值类型 2.2 字符串类型 2.3 日期类型一、数据库的操作打开MySQL命令行客户端，安装完MySQL后会有两个客户端…...

编程日记 2025/8/20 13:59:13

docker部署jenkins，安装使用一条龙教程

Jenkins k8s 实现CI/CD 一、简介 1. JenKins是什么? Jenkins是一个开源软件项目，是基于Java开发的一种持续集成工具，用于监控持续重复的工作，旨在提供一个开放易用的软件平台，使软件项目可以进行持续集成。 2. 什么是CI / CD…...

编程日记 2025/8/16 9:53:25

图像识别技术与应用-YOLO

1 YOLO-V1 YOLO-V1它是经典的one-stage方法，You Only Look Once，名字就已经说明了一切！把检测问题转化成回归问题，一个CNN就搞定了！也可以对视频进行实时检测，应用领域非常广！ YOLO-V1诞生与2…...

编程日记 2025/8/20 14:00:06

【网络通信安全】子专栏链接及简介

目录操作系统安全：筑牢网络安全根基网络协议安全：守护数据传输通道 Web 站点安全开发：打造安全的网络交互平台在数字化浪潮席卷的当下，网络通信已深度融入生活与工作的方方面面，从日常的线上购物、社交互动…...

编程日记 2025/8/19 20:52:42

Oracle比较好的几本书籍

1.《Oracle专家高级编程》 2.《Oracle高效设计》 3.《Oracle9i&10g&11g编程艺术深入数据库体系结构》 4.《让Oracle跑的更快》(1/2) ....... n.《Oracle官方文档的阅读》下面包括这几个部分，可以跟进研读一下： （1）《…...

编程日记 2025/8/19 11:53:32

忘记dedecms后台超级管理员账号和密码的解决方案

解决方案： 方案一、数据库修改： 1、前提是您能登录到数据库后台，登录MySQL数据库管理工具（如phpMyAdmin） 2、打开数据库中的 dede_admin 表，找到管理员记录，将 pwd 字段的值改成 f297a57a5a7…...

编程日记 2025/8/18 22:47:33

处理动态分页：自动翻页与增量数据抓取策略-数据议事厅

一、案例场景 Lily（挥舞着数据报表）：“用户反馈我们的股票舆情分析总是缺失最新跟帖！这些动态分页像狡猾的狐狸，每次抓取都漏掉关键数据！” 小王（调试着爬虫代码）：“传…...

编程日记 2025/8/19 22:51:40

微服务新手入门

一、微服务概念微服务是一种软件架构风格，ta是以专注于单一职责的很多小型项目为基础，组合出复杂的大型应用。微服务 - 服务拆分 - 远程调用 - 服务治理 - 请求路由 - 身份认证 - 配置管理 - 服务保护 - 分布式事务 - 异步通信 - 消息可靠性 - 延迟消…...

编程日记 2025/8/16 12:14:12

antd浏览器引入的问题

1，在使用ant design vue的4.1.2版本通过浏览器引入的方式遇到的问题，遇到的问题（不确定其他版本有没有问题），通过在页面使用下面的代码 <a-modal v-model:open"apiOpen" title"修改秘钥" ok&q…...

编程日记 2025/8/16 12:32:09

STM32-Unix时间戳

一：什么是时间戳 Unix时间戳（Unix Timestamp）是一个计数器数值，这个数值表示的是一个从1970年1月1日0时0分0秒开始到现在所经过的秒数，不考虑闰秒。时间戳存储在一个秒计数器里，秒计数器为32位/64位的整…...

编程日记 2025/8/16 11:16:50

【性能测试】Jmeter如何做一份测试报告（3）

本篇文章主要介绍Jmeter中下载插件（Jmeter Plugins） 如何使用监听器插件，线程组插件，梯度压测线程组测试报告需要去关注的数据，怎么看测试报告图表目录一：插件下载 1：下载地址 2&#xff…...

编程日记 2025/8/20 2:33:59

游戏引擎学习第153天

仓库:https://gitee.com/mrxiao_com/2d_game_3 回顾目前正在进行的是一个比较大的系统调整，原本预计今天会继续深入这个改动，但实际上在昨天的开发中，我们已经完成了大部分的代码编写，并且运行之后几乎一切都能正常工作&#x…...

编程日记 2025/8/16 12:46:06

CentOS7下安装MongoDB

步骤 1：创建 MongoDB Yum 仓库文件你需要创建一个 MongoDB 的 Yum 仓库配置文件，以便从官方源下载 MongoDB。打开终端并使用以下命令创建并编辑该文件： sudo vi /etc/yum.repos.d/mongodb-org-7.0.repo 在打开的文件中，输入以下…...

编程日记 2025/8/16 12:55:39

Elasticsearch-07-Elasticsearch Java API Client-Elasticsearch 8.0 的高阶api

文章目录 es8 API基础配置和bean注入高阶使用1：引入elasticsearchClient2：查询所有索引3：查询某个索引4:创建索引5:删除指定索引6:查询索引的映射7:创建索引指定映射8:创建文档使用HashMap作为数据存储容器使用自定义类作为数据存储容器使用外…...

编程日记 2025/8/17 22:28:09

【性能优化】MySQL 生产环境 SQL 性能优化实战案例

🚀 MySQL 生产环境 SQL 性能优化实战案例 🏗️ 背景介绍最近在处理一个项目时，发现在生产环境的工作流相关接口中，某些查询的执行时间异常缓慢，尽管数据量仅为 2 万条。经过分析，发现以下 SQL 语句执行非…...

编程日记 2025/8/20 9:54:42

Docker容器安装软件（完整版）

文章目录一、安装Docker1.1 docker 相关的命令1.2 配置镜像加速二. 安装es2.1 创建网络2.2 拉取镜像2.3 创建挂载点目录2.4 部署单点es，创建es容器2.5 编写elasticsearch.yml2.6 重启es容器2.7 测试Elasticsearch是否安装成功三. 基于Docker安装Kibana3.1 拉取镜…...

编程日记 2025/8/19 19:58:25

DeepSeek-进阶版部署(Linux+GPU)

前面几个小节讲解的Win和Linux部署DeepSeek的比较简单的方法，而且采用的模型也是最小的，作为测试体验使用是没问题的。如果要在生产环境使用还是需要用到GPU来实现，下面我将以有一台带上GPU显卡的Linux机器来部署DeepSeek。这里还只是先体验单…...

编程日记 2025/8/18 22:25:00

11. Pandas ：操作Excel文件（Excel报表的案例研究）

从一个装有各种 Excel 文件的文件夹开始，这些文件需要被整合到 Excel 报表中。它们包含了虚构的电信运营商在全美各营业厅的套餐（金、银、铜）销售情况。每个月有两个文件，子文件夹 new 中的是新用户，子文件夹 existin…...

编程日记 2025/8/18 15:18:36

Qt开源控件库（qt-material-widgets）的编译及使用

项目简介 qt-material-widgets是一个基于 Qt 小部件的 Material Design 规范实现。项目地址项目地址：qt-material-widgets 本地构建环境 Win11 家庭中文版 VS2019 Qt5.15.2 (MSVC2019) 本地构建流程克隆后的目录结构如图： 直接使用Qt Crea…...

编程日记 2025/8/16 12:54:29

freeswitch（多台服务器级联）

亲测版本centos 7.9系统–》 freeswitch1.10.9本人freeswitch安装路径（根据自己的路径进入）/usr/local/freeswitch/etc/freeswitch使用场景：使用服务器级联需要双方网络可以ping通，也就是类似局域网内，比如A服务器IP 192.168.1.100 B服务器 192.168.1.101，通过C设备注册…...

编程日记 2025/8/18 10:22:51

【大模型统一集成项目】让 AI 聊天更丝滑：WebSocket 实现流式对话！

🌟 在这系列文章中，我们将一起探索如何搭建一个支持大模型集成项目 NexLM 的开发过程，从架构设计到代码实战，逐步搭建一个支持多种大模型（GPT-4、DeepSeek 等） 的一站式大模型集成与管理平台&#xff…...

编程日记 2025/8/15 13:47:45

qt 多进程使用共享内存 ,加速数据读写，进程间通信共享内存

Summary: 项目中我们有时需要使用共享内存共享数据，这样，数据不用进程IO读写，加进数据加载和落地； 程序退出时，再保存到本地；速度提升数十倍； Part1:QSharedMemory Windows平台下进程间通信…...

编程日记 2025/8/18 13:33:32

OpenHarmony-分布式硬件关键技术

前言： OpenHarmony是一款面向未来万物互联场景的操作系统，其设计采用了分布式架构。那么OpenHarmony相比于传统操作系统有哪些关键的分布式技术，本文主要介绍分布式硬件设计理念、跨端分布式硬件核心挑战、以及OpenHarmony分布式硬件平台关键…...

编程日记 2025/8/20 8:34:36

idea超级AI插件，让 AI 为 Java 工程师

引言用户可在界面中直接通过输入自然语言的形式描述接口的需求，系统通过输入的需求自动分析关键的功能点有哪些，并对不确定方案的需求提供多种选择，以及对需求上下文进行补充，用户修改确定需求后，系统会根据需求设…...

编程日记 2025/8/19 3:13:06

深入Flink运行时架构：JobManager与TaskManager协作全解析

深入Flink运行时架构：JobManager与TaskManager协作全解析一、Flink分布式执行模型剖析 1.1 运行时架构全景视图核心组件交互关系： #mermaid-svg-tMSqMSsKP6vwUZi3 {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-s…...

编程日记 2025/8/20 13:54:07