pandas

1 作用：数据分析和处理

2 处理excel数据

2.1 读取excel数据
file = request.files.get("file")
read_ex = pd.read_excel(file)
df = pd.DataFrame(read_ex)

1.获取列标题：
columns = df.columns.values.tolist()

2.获取某一列数据：
area_list = df[‘大区‘].tolist() # 获取列标题为“大区”的列数据

3.设置列：
df["user"] = "lxl" # 如果没有user列，会添加这一列，并填充“lxl”

4.对一行或一列做出一些操作（axis=1遍历行，axis=0遍历列）
df = df.apply(ra_data_process, axis=1)

5.重命名行或者列索引
df.rename(columns={
"门店编码": "store_code",
"商品编码": "sku_code",
"确认补货": "modify_replenish",
"调拨": "modify_send",
"建议调入门店": "receive_store_name",
"调入门店": "modify_receive_store_name",
},
inplace=True)

# inplace：bool，default False
将结果返回赋值给原变量，无需再次将结果赋值给新变量。即df.rename(inplace=True)之后，df的值发生改变（pandas中好多方法都有这个参数，此处就演示了）

6.获取部分列数据
df = df[["大区", "门店编码"]]

7.df转化为字典：
In [9]: df.to_dict(orient=‘records‘)
Out[9]:
[{‘colA‘: ‘A‘, ‘colB‘: ‘X‘, ‘colC‘: 100, ‘colD‘: 90},
{‘colA‘: ‘A‘, ‘colB‘: nan, ‘colC‘: 50, ‘colD‘: 60},
{‘colA‘: ‘B‘, ‘colB‘: ‘Ya‘, ‘colC‘: 30, ‘colD‘: 60},
{‘colA‘: ‘C‘, ‘colB‘: ‘Xb‘, ‘colC‘: 50, ‘colD‘: 80},
{‘colA‘: ‘A‘, ‘colB‘: ‘Xa‘, ‘colC‘: 20, ‘colD‘: 50}]

8.DataFrame.loc：根据行列信息获取指定行列数据
cc1 = df.loc[1] # 1为行索引，这里获取第一行数据，从0行开始算，得到类似字典的东西，key为列索引
print(cc1[‘大区‘]) # 根据key获取这一行的值
values = cc1.values # 获取这一行数据的列表

cc1 = df.loc[[1, 2]] # 也可获取多行，这里表示获取索引为1和2两行的数据

cc1 = df.loc[[1, 2], ‘门店编码‘] 如果中括号中有两个，第二个为列，这里表示，取第1、2行，列索引为‘门店编码’的列的数据

9. DataFrame.iloc 也是取行列数据，区别在于，取数据时，不是根据行列索引，而是根据行列数，计算时不包括行列索引
dd = df.iloc[1,1] # 取第1行第1列数据， 也是从0开始计数
dd = df.iloc[[1, 2], 1] #获取第1列，第1、2行的数据

10.获取dataframe获取行数、列数

a = [[1,2,3], [4,5,6], [7,8,9],[4,5,8]]
df = pandas.DataFrame(a)
print("行数", df.shape[0])　　# 4
print("列数", df.shape[1])　　# 3

pandas

原文：https://www.cnblogs.com/liuxuelin/p/14659623.html