用python做数据分析是一件再合适不过的事情，我们举个简单的例子。

例如收集数据的方法是使用问卷，实验软件（例如，PsychoPy，OpenSesame）和观察。

当问卷和实验软件使用数字应用程序时，我们当然也会以数字文件格式（例如，Excel电子表格和逗号分隔，CSV，文件）获取数据。

如果数据集非常小，则可以使用Python和Pandas直接创建数据框：

然而当数据集很大时如果手动处理数据非常耗时且不推荐。 下面您将学习如何在Python和Pandas中阅读Excel Spreadsheets和CSV文件。

使用Pandas read_excel读取Excel文件，将数据集读入Python的一种方法是使用read_excel方法，该方法有许多参数。

pd.read_excel(io, sheet_name=0, header=0)

  • io是包含数据的Excel文件。 它应该是类型字符串数据类型，可以是本地存储的文件以及URL。
  • sheet_name可以是我们要加载的特定工作表的字符串，也可以是零索引工作表位置的整数。 如果我们指定None，则所有工作表都将读入数据框。
  • header可以是整数或整数列表。 默认值为0，整数表示列名称的行。 如果Excel文件中没有列名，请添加0。

如果要了解其他参数，请参阅read_excel文档。

pandas阅读Excel示例：

这是一个关于如何使用Pandas read_excel的工作示例：

在上面的示例中，我们正在读取Excel文件（'conflictdata.xlsx'）。 数据集只有一个工作表，但为了清楚起见我们添加了“conflictdata”工作表名称作为参数。 也就是说在这种情况下，sheet_name不需要我们使用。

R用户可能熟悉最后一行，以下是打印DataFrane的前X行：

您可能已经注意到，当我们阅读上面的Excel文件时，我们没有使用header参数。 如果我们将标题设置为None，我们将获得数字作为列名。 不幸的是，这使得使用Pandas数据框有点烦人。

我们可以传递一个列名列表作为参数。 最后，由于示例xlsx文件包含列名，我们使用skiprows跳过第一行。 注意，可以使用跳过跳过多行。 只需添加一个列表，其中包含要跳过的行号。

这是另一个使用Python Pandas读取Excel文件的示例：

我们还可以使用Pandas to_excel方法保存新的xlsx（或覆盖旧的，如果你喜欢这样做的话）。

  • excel_writer可以是字符串（您的文件名）或ExcelWriter对象。
  • sheet_name应该是包含工作表名称的字符串。 默认为'Sheet1'。
  • index应该是布尔值（即，True或False）。 通常，我们不希望用数字编写新列。 默认为True。

df.to_excel('newfilename.xlsx', sheet_name='NewColNames', index=False)

有许多方法可用于筛选数据。 一种简单的方法是使用查询， 此方法类似于R中的函数子集。现在我们来筛选出“piq”大于80：

  • df_piq = df.query('piq > 80')
  • df_piq.head(4)
  • df_males = df [df ['sex'] =='man']

下面显示了如何使用多个条件筛选数据框。 在这种情况下，我们从性别为男性且iq大于80的df中选择观察值。请注意Pandas中的＆符号“＆”是首选的AND运算符。

  • df_male80 = df.query（'iq> 80＆sex ==“Male”'）

也可以使用OR运算符。 在下面的示例中，我们基于年龄大于或等于40或年龄小于14的行来过滤DataFrame。此外我们还可以通过列'piq'和'viq'筛选条件。

  • df.query('age >= 40 | age < 14')[['piq', 'viq']].head()

以上就是简单用pandas进行数据分析中读取数据、筛选数据一环，你还可以用它还做很多数据操作，是一个很有用的工具包。