大数据文摘出品
编译：张大笔茹
十年前，你说你是做数据的，大家的反应就是——用Excel做做表。
现在，要成为一个合格的数据分析师，你说你不会Python，大概率会被江湖人士耻笑。
Medium上一位博主就分享了他一步步用Python替换掉十年前的“老情人”Excel的过程，一起来学习一下吧！在Excel成为我的“初恋”十年之后，是时候找一个更好的“另一半”了，在这个技术日新月异的时代，更好更薄更轻更快处理数据的选择就在身边！我希望用Python取代几乎所有的excel功能，无论是简单的筛选还是相对复杂的创建并分析数据和数组。我将展示从简单到复杂的计算任务。强烈建议你跟着我一起做这些步骤，以便更好地理解它们。拟写此文的灵感来自于人人可访问的免费教程网站，我曾认真阅读并一直严格遵守这篇Python文档，链接如下，相信你也会从该网站中找到很多干货。GitHub链接：https://github.com/ank0409/Ditching-Excel-for-Python
一、将excel文件导入Panda DataFrame初始步骤是将excel文件导入DataFrame，以便我们执行所有任务。我将演示支持xls和xlsx文件扩展名的Pandas的read_excel方法。read_csv与read_excel相同，就不做深入讨论了，但我会分享一个例子。尽管read_excel方法包含数百万个参数，但我们只讨论那些在日常操作中最常见的那些。我们使用Iris样本数据集，出于教育目的，该数据集可在线免费使用。请按照以下链接下载数据，并将其放在与存储Python文件的同一文件夹中。
https://archive.ics.uci.edu/ml/datasets/iris1、第一步是在Python中导入库可以使用以下代码将电子表格数据导入Python：pandas.read_excel(io, sheet_name=0, header=0, names=None, index_col=None, parse_cols=None, usecols=None, squeeze=False, dtype=None, engine=None, converters=None, true_values=None, false_values=None, skiprows=None, nrows=None, na_values=None, keep_default_na=True, verbose=False, parse_dates=False, date_parser=None, thousands=None, comment=None, skip_footer=0, skipfooter=0, convert_float=True, mangle_dupe_cols=True, **kwds)有大量可用的参数，我们来看一下最常用的一些参数。
2、一些重要的Pandas read_excel选项如果默认使用本地文件的路径，用“\”表示，接受用“/”表示，更改斜杠可以将文件添加到Python文件所在的文件夹中。如果需要有关上述内容的详细说明，请参阅以下文章。
3、导入表格默认情况下，文件中的第一个工作表将按原样导入到数据框中。使用sheet_name参数，可以明确要导入的工作表。文件中的第一个表默认值为0。可以用工作表的名字，或一个整数值来当作工作表的index。4、使用工作表中的列作为索引除非明确提到，否则索引列会添加到DataFrame中，默认情况下从0开始。使用index_col参数可以操作数据框中的索引列，如果将值0设置为none，它将使用第一列作为index。
5、略过行和列默认的read_excel参数假定第一行是列表名称，会自动合并为DataFrame中的列标签。使用skiprows和header之类的函数，我们可以操纵导入的DataFrame的行为。6、导入特定列使用usecols参数，可以指定是否在DataFrame中导入特定的列。这只是个开始，并不是所有的功能，但已足够你“尝鲜”了。
二、查看的数据的属性现在我们有了DataFrame，可以从多个角度查看数据了。Pandas有很多我们可以使用的功能，接下来将使用其中一些来看下我们的数据集。
1、从“头”到“脚”查看第一行或最后五行。默认值为5，也可以自定义参数。2、查看特定列的数据
3、查看所有列的名字
4、查看信息查看DataFrame的数据属性总结：
5、返回到DataFrame
6、查看DataFrame中的数据类型
三、分割：即Excel过滤器描述性报告是关于数据子集和聚合的，当需要初步了解数据时，通常使用过滤器来查看较小的数据集或特定的列，以便更好的理解数据。Python提供了许多不同的方法来对DataFrame进行分割，我们将使用它们中的几个来了解它是如何工作的。
1、查看列包括以下三种主要方法：使用点符号：例如data.column_name
使用方括号和列名称：数据[“COLUMN_NAME”]
使用数字索引和iloc选择器：data.loc [：，'column_number']
2、查看多列
3、查看特定行这里使用的方法是loc函数，其中我们可以指定以冒号分隔的起始行和结束行。注意，索引从0开始而不是1。
4、同时分割行和列
5、在某一列中筛选
6、筛选多种数值
7、用列表筛选多种数值
8、筛选不在列表或Excel中的值
9、用多个条件筛选多列数据输入应为列一个表，此方法相当于excel中的高级过滤器功能：
10、根据数字条件过滤
11、在Excel中复制自定义的筛选器
12、合并两个过滤器的计算结果
13、包含Excel中的功能
14、从DataFrame获取特定的值如果想要用特定值查看整个DataFrame，可以使用drop_duplicates函数：
15、排序对特定列排序，默认升序：
四、统计功能
1、描述性统计描述性统计，总结数据集分布的集中趋势，分散程度和正态分布程度，不包括NaN值：描述性统计总结：
五、数据计算
1、计算某一特定列的值输出结果是一个系列。称为单列数据透视表：
2、计数统计每列或每行的非NA单元格的数量：
3、求和按行或列求和数据：为每行添加总列：
4、将总列添加到已存在的数据集
5、特定列的总和，使用loc函数或者，我们可以用以下方法：
6、用drop函数删除行
7、计算每列的总和以上，我们使用的方法包括：Sum_Total：计算列的总和
T_Sum：将系列输出转换为DataFrame并进行转置
Re-index：添加缺少的列
Row_Total：将T_Sum附加到现有的DataFrame
8、多条件求和，即Excel中的Sumif函数
9、多条件求和10、求算术平均值
11、求最大值
12、求最小值
13、Groupby：即Excel中的小计函数
六、DataFrame中的数据透视表功能谁会不喜欢Excel中的数据透视表呢？它是分析数据的最佳方式，可以快速浏览信息，使用超级简单的界面分割数据，绘制图表，添加计算列等。现在没有了工作界面，必须用编写代码的方式来输出结果，且没有生成图表功能，但需要我们充分理解数据透视表的精华。简单的数据透视表，显示SepalWidth的总和，行列中的SepalLength和列标签中的名称。现在让我们试着复杂化一些：用fill_value参数将空白替换为0：可以使用dictionary函数进行单独计算，也可以多次计算值：
七、Vlookup函数Excel中的vlookup是一个神奇的功能，是每个人在学习如何求和之前就想要学习的。会用vlookup是很迷人的，因为输出结果时像变魔术一样。可以非常自信地说它是电子表格上计算的每个数据的支柱。不幸的是Pandas中并没有vlookup功能！由于Pandas中没有“Vlookup”函数，因此Merge用与SQL相同的备用函数。有四种合并选项：left——使用左侧DataFrame中的共享列并匹配右侧DataFrame，N/A为NaN；
right——使用右侧DataFrame中的共享列并匹配左侧DataFrame，N/A为NaN；
inner——仅显示两个共享列重叠的数据。默认方法；
outer——当左侧或右侧DataFrame中存在匹配时，返回所有记录。以上可能不是解释这个概念的最好例子，但原理是一样的。
