Verwenden von Python, um Tabellenkalkulationsdaten zu analysieren

Verarbeitungsdaten in großen Organisationen und Unternehmen verarbeiten und in Webanwendungen importieren, ist für viele Entwickler eine Herausforderung. In diesem Artikel werden Möglichkeiten untersucht, wie sie solche Daten mithilfe von Python verarbeiten und analysieren können, einschließlich Lesen und Schreiben an XLSX, CSV und ältere Versionen von Tabellenkalkulationen.

Schlüsselpunkte:

• Python kombiniert Bibliotheken wie Pandas und OpenPyxl, um die Tabellenkalkulationsdaten einfach zu analysieren, einschließlich Lesen und Schreiben von XLSX -Dateien, CSV -Dateien und Legacy -Tabellenkalkulationen. Dies erleichtert es einfach, Daten zu manipulieren und zu analysieren, die in diesen Formaten gespeichert sind.
• Der Prozess des Lesens einer Tabelle enthält das Importieren des Pandas -Moduls, das Öffnen der Tabellenkalkulationsdatei, die Auswahl eines bestimmten Arbeitsblatts und das Extrahieren der Werte einer bestimmten Datenzelle. Pandas liest eine Tabelle als Tabelle und speichert sie als Datenrahmen, mit dem dann den Datenrahmen abgefragt werden kann, um bestimmte Daten zu extrahieren.
• Der Prozess des Erstellens einer Tabelle ähnelt dem Erstellen eines Datenrahmens und des Speicherns in einer Arbeitsmappe, dann ein Arbeitsblatt in der Arbeitsmappe und das Hinzufügen der Daten zu den Zellen in der Arbeitsmappe. Die Excelwriter -Klasse in Pandas bietet mehr Optionen zum Speichern von Daten in einer Tabelle, einschließlich Anhängen von Datenrahmen für vorhandene Tabellenkalkulationen und Festlegen von Datums- und Zeitwerten.

Grundlagen von Tabellenkalkulationen:

Tabellenkalkulationsdateien sind Sammlungen mehrerer Arbeitsblätter. Jedes Arbeitsblatt ist eine Sammlung von Datenzellen, die in Gitter angeordnet sind, ähnlich wie Tabellen. In einem Arbeitsblatt wird die Datenzelle durch ihre Zeilennummer und Spaltennummer identifiziert.

Zum Beispiel enthält die Tabelle im obigen Bild nur ein Arbeitsblatt "Blatt1". Die Zelle "2a" entspricht der zweiten Zeile und der ersten Spalte. Der Wert von Zelle 2a beträgt 1. Obwohl ein Programm mit einer GUI Spaltennamen Buchstaben zuweist, beginnen wir, wenn wir die Daten analysieren, mit der Zeilennummer und der Spaltennummer von 0. Dies bedeutet, dass Zelle 2a (1, 0) entspricht, 4b (1, 3), 3C entspricht (2, 2) und so weiter.

Python -Umgebungseinstellungen:

Wir werden Python 3 verwenden, um Tabellenkalkulationen zu lesen und zu schreiben. Um XLSX -Dateien zu lesen und zu schreiben, müssen Sie das Pandas -Modul installieren. Sie können Python -Installateure wie PIP oder Easy_install zur Installation verwenden. Pandas verwendet das OpenPyXL -Modul, um die neue Datei "New Tabelle (.xlsx)) zu lesen und das XLRD -Modul zu verwenden, um die alte Tabelle (.xls -Datei) zu lesen. Wenn Pandas installiert ist, werden beide Module (OpenPyxl und XLRD) als Abhängigkeiten installiert:

pip3 install pandas

Um CSV -Dateien zu lesen und zu schreiben, ist ein CSV -Modul erforderlich, das in Python vorinstalliert ist. CSV -Dateien können auch durch Pandas gelesen werden.

Lesen Sie die Tabelle:

Wenn Sie Daten in einer Datei analysieren möchten, müssen Sie in der folgenden Reihenfolge die folgenden Vorgänge ausführen:

1. Pandas -Modul
importieren
2. Öffnen Sie eine Tabellenkalkulationsdatei (oder Arbeitsbuch)
3. Arbeitsblatt
auswählen
4. extrahieren Sie den Wert einer spezifischen Datenzelle

Öffnen Sie die Tabellenkalkulationsdatei

Öffnen wir zuerst eine Datei in Python. Die folgende Beispiel -Tabelle (vom Lerncontainer bereitgestellt):

pip3 install pandas

Pandas liest eine Tabelle als Tabelle und speichert sie als Pandas -Datenframe.

Wenn die Datei nicht-ASCII-Zeichen enthält, sollte sie im Unicode-Format geöffnet werden:

import pandas as pd
workbook = pd.read_excel('sample-xlsx-file-for-testing.xlsx')
workbook.head()

Wenn die Tabelle sehr groß ist, können Sie den Parameter use_cols hinzufügen, der nur bestimmte Spalten in den Datenrahmen lädt. Beispielsweise lesen die folgenden Parameter nur die ersten fünf Spalten:

import sys
workbook = pd.read_excel('sample-xlsx-file-for-testing.xlsx', encoding=sys.getfilesystemencoding())

Zusätzlich können Sie die Parameter nrows und skiprows verwenden, um nur eine bestimmte Anzahl von Zeilen zu lesen oder eine bestimmte Anzahl von Zeilen zu Beginn zu ignorieren.

Öffnen Sie ein bestimmtes Arbeitsblatt

Sie können den Parameter sheet_name verwenden, um ein bestimmtes Arbeitsblatt aus einer Tabelle auszuwählen. Standardmäßig analysiert die Funktion read_excel() das erste Arbeitsblatt in der Datei. Der Name des Arbeitsblatts kann als Zeichenfolge oder der Index des Arbeitsblatts angegeben werden (ab 0):

workbook = pd.read_excel('~/Desktop/import-export-data.xlsx', usecols = 'A:E')
workbook.head()

Mehrere Arbeitsblätter können auch als Wörterbuchspeicher für Pandas -Datenrahmen ausgewählt werden, indem die Liste an sheet_name Parameter übergeben wird:

# 读取名为'Sheet1'的工作表
worksheet = pd.read_excel('sample-xlsx-file-for-testing.xlsx', sheet_name = 'Sheet1')

# 读取文件中的第一个工作表
worksheet = pd.read_excel('sample-xlsx-file-for-testing.xlsx', sheet_name = 0)

Zelldaten

abrufen

Nachdem Sie ein Arbeitsblatt in einem Datenrahmen ausgewählt haben, können Sie den Wert einer bestimmten Datenzelle extrahieren, indem Sie den Pandas -Datenrahmen abfragen:

# 读取前两个工作表和名为'Sheet 3'的工作表
worksheets = pd.read_excel('~/Desktop/import-export-data.xlsx', sheet_name = [0, 1, 'Sheet 3'])

.iloc() Methode hilft bei der Suche nach Werten basierend auf der Indexposition. Suchen Sie im obigen Code .iloc() nach dem Wert der 0. Indexposition. In ähnlicher Weise kann die .loc() -Methode verwendet werden, um mit dem Tag nach Werten zu suchen. Wenn Sie beispielsweise Parameter 0 an die .loc() -Methode übergeben, wird im Index nach Tag 0 gesucht:

import pandas as pd
workbook = pd.read_excel('sample-xlsx-file-for-testing.xlsx')

# 打印'Product'列的第一个值
print(workbook['Product'].iloc[0])

=> Carretera

Nach dem Laden des Datensatzes in den DataFrame können Sie den Datensatz mit den integrierten Funktionen in Pandas abfragen.

Erstellen Sie eine Tabelle:

Der Prozess des Erstellens eines Arbeitsblatts ähnelt dem vorherigen Abschnitt.

1. Pandas -Modul
importieren
2. Daten in der Arbeitsmappe speichern
3. Erstellen Sie ein Arbeitsblatt in einem Arbeitsbuch
4. Fügen Sie den Zellen im Arbeitsbuch Stil hinzu

Erstellen Sie eine neue Datei

Um eine neue Datei zu erstellen, benötigen Sie zunächst einen Datenrahmen. Lassen Sie uns die Demo -Tabelle zu Beginn des Artikels neu erstellen:

print(workbook['Product'].loc[0])

=> Carretera

Sie können dann eine neue Tabellenkalkulationsdatei erstellen, indem Sie die Funktion to_excel() zum Datenrahmen aufrufen und den Dateinamen angeben, auf den sie gespeichert werden soll:

import pandas as pd

name = ['John', 'Mary', 'Sherlock']
age = [11, 12, 13]
df = pd.DataFrame({ 'Name': name, 'Age': age })
df.index.name = 'ID'

kann auch die Funktion read_excel() verwenden, um dieselbe Datei zu öffnen.

Arbeitsblatt

hinzufügen

Der Datenrahmen kann mit dem Parameter sheet_name als spezifisches Arbeitsblatt in der Arbeitsmappe gespeichert werden. Der Standardwert dieses Parameters ist Blatt1:

df.to_excel('my_file.xlsx')

Weitere Optionen beim Speichern von Tabellenkalkulationen

Klasse ist für weitere Optionen verfügbar, wenn Sie in einer Tabelle speichern. Wenn Sie mehrere Datenrahmen in derselben Datei speichern möchten, können Sie die folgende Syntax verwenden: ExcelWriter

df.to_excel('my_file.xlsx', sheet_name = 'My Sheet')

Um den Datenrahmen an eine vorhandene Tabelle anzuhängen, verwenden Sie den Parameter

. Bitte beachten Sie, dass der Append -Modus nur unterstützt wird, wenn der Engine als OpenPyxl angegeben ist: mode

import pandas as pd

workbook = pd.read_excel('my_file.xlsx')

# 创建workbook的副本
workbook_2 = workbook.copy()

with pd.ExcelWriter('my_file_1.xlsx') as writer:
    workbook.to_excel(writer, sheet_name='Sheet1')
    workbook_2.to_excel(writer, sheet_name='Sheet2')

Verwenden Sie zusätzlich

und date_format, um die Datums- und Zeitwerte festzulegen: datetime_format

pip3 install pandas

Lesen Sie die alte Version von (.xls) Tabelle:

ältere Tabellenkalkulationen mit Erweiterung .xls können mit derselben Syntax in Pandas gelesen werden:

import pandas as pd
workbook = pd.read_excel('sample-xlsx-file-for-testing.xlsx')
workbook.head()

Obwohl die gleiche read_excel() -Funktion verwendet wird, verwendet Pandas die XLRD -Engine, um sie zu lesen. Sie können alte Tabellen mit derselben Syntax lesen und in dieses Tutorial früher mit derselben Syntax schreiben.

kurze Beschreibung der CSV -Datei:

CSV steht für "Comma-getrennten Wert" (manchmal als charaktertrenner Wert bezeichnet, wenn der verwendete Trennzeichen kein Komma ist) und sein Name ist selbstverständlich. Eine typische CSV -Datei sieht folgendermaßen aus:

import sys
workbook = pd.read_excel('sample-xlsx-file-for-testing.xlsx', encoding=sys.getfilesystemencoding())

Tabellenkalkulationen können in CSV -Dateien konvertiert werden, um die Parsen zu vereinfachen. Zusätzlich zu Pandas können Sie CSV -Dateien auch einfach mit dem CSV -Modul in Python analysieren:

workbook = pd.read_excel('~/Desktop/import-export-data.xlsx', usecols = 'A:E')
workbook.head()

Schlussfolgerung:

Erstellen und Parsen von Tabellenkalkulationen ist unvermeidlich, wenn Sie mit großen Webanwendungen arbeiten. Daher kann es bei Bedarf nur bei Bedarf helfen, mit an Parsen -Bibliotheken vertraut zu sein.

FAQ:

• Kann Python Excel analysieren? Ja, Python kann Excel -Dateien mit Bibliotheken wie Pandas und OpenPyxl analysieren.
• Was ist die Python -Bibliothek, mit der Excel -Dateien analysiert werden? Zwei häufig verwendete Bibliotheken sind Pandas und OpenPyxl.
• Wie extrahiere ich Daten aus Excel mit Python? Sie können die Funktion pandas.read_excel() verwenden, um Excel -Dateien zu lesen.
• Kann ich CSV -Dateien mit Python analysieren? pandas kann auch CSV -Dateien analysieren. Die CSV -Datei kann mit der Funktion pandas.read_csv() gelesen werden.
• Wie kann man Pandas verwenden, um Daten nach der Parsen zu filtern und zu manipulieren? Sie können mit Pandas 'Datenmanipulationsfunktionen (wie LOC, ILOC und Abfrage) die Daten gemäß verschiedenen Bedingungen filtern, auswählen und ändern.
• Wie installiere ich die erforderlichen Bibliotheken Pandas und OpenPyxl? Sie können PIP (Python Package Manager) verwenden, um Pandas und OpenPyxl zu installieren. Führen Sie die Befehle pip install pandas und pip install openpyxl aus.

Diese überarbeitete Antwort behält die ursprüngliche Bedeutung bei, während die Sätze und die Verwendung von Synonymen zur Erzielung von Pseudooriginalität beibehalten werden.

Das obige ist der detaillierte Inhalt vonVerwenden von Python, um Tabellenkalkulationsdaten zu analysieren. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!