前言
如何使用pandas处理Excel表格数据呢？
在生活和科研任务中，我们经常需要处理大量的Excel数据。面对几W条数据，甚至几十万条数据，在Excel中操作是远远不够的。这时候就要发挥Python的威力了！
复习总结
1.读取数据
def read_file(file_name):
df = pd.read_excel(file_name)
print(df)
return df
2.写入数据
def write_data(df):
save_name = 'H691_dealed6.xlsx'
df.to_excel(save_name)
3.小结pandas导入导出
; 4.给dataframe新增一列
def select_data(df):
df['趟次'] = pd.Series([0] * (df.shape[0]), index=np.arange(len(df)))
print(df)
示例：
df['E'] = pd.Series([1, 2, 3, 4, 5, 6], index=pd.date_range('20220701', periods=6))
print("-" * 50)
print(df)
5.如何逐行迭代dataframe
def test_loop(df):
for i in range(len(df)):
print(df.loc[i])
print("&" * 50)
for j in range(df.shape[0]):
print(df.iloc[j, 1])
示例：
print("-" * 50)
print(df.iloc[3])
print("-" * 50)
print(df.iloc[[1,3,5], 1:3])
6.如何计算两个时间点之间的时间间隔
（1）我们这里以Timestamp类型为例
def time_test(df):
print(df.iloc[0, 0])
print(type(df.iloc[0, 0]))
print("时间差格式为")
print(df.iloc[1642, 0]-df.iloc[568, 0])
（2）时间差转化为秒的格式
def time_test(df):
print(df.iloc[0, 0])
print(type(df.iloc[0, 0]))
print("时间差格式为")
print(df.iloc[1642, 0]-df.iloc[568, 0])
print("时间差转化为秒的格式")
print((df.iloc[1642, 0]-df.iloc[568, 0]).total_seconds())
7.按条件删除dataframe的行
（1）drop函数
我们可以将要删除的行索引找到，然后使用drop函数进行删除。
print(final_df)
end_df = final_df.drop(0)
print("-" * 50)
print(end_df)
删除列也是一样的，直接传入列的名字，使用drop函数进行删除！（注意指定axis参数）
print(final_df)
end_df = final_df.drop('坡度', axis=1)
print("-" * 50)
print(end_df)
（2）直接进行筛选
参考这篇博客：https://blog.csdn.net/sigtem/article/details/81735242?spm=1001.2014.3001.5506
print(final_df)
end_df = final_df[df['趟次'] != 1]
print("-" * 50)
print(end_df)
Original: https://blog.csdn.net/Elon15/article/details/126685439
Author: 时代&信念
Title: 数据处理任务——知识点总结
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/752182/
转载文章受原作者版权保护。转载请注明原作者出处！