文章要点
🍺前言
💦(一)利用pandas对数据求和,算平均数
💨1. 在excel表格中实现
结果:
需要完成以上结果在pandas中又如何实现呢?
💨2.在pandas中进行实现
import pandas as pd
test = pd.read_excel('./excel/test008.xlsx',index_col="ID")
df = pd.DataFrame(test)
# 求总和
sum = df[['Test_1','Test_2','Test_3']].sum(axis=1)
# 求平均值
avg = df[['Test_1','Test_2','Test_3']].mean(axis=1)
df['total'] = sum
df['avg'] = avg
# 求总计的平均值
T_avg = df[['Test_1','Test_2','Test_3','total','avg']].mean()
T_avg['Name'] = 'avg_total'
df =df.append(T_avg,ignore_index=True)
print(df)
结果:
这样就实现了上述结果。
💦(二)消除重复数据
💨1.在excel中进行实现
需要实现以上结果,在pandas中要如何进行操作呢?pandas还有什么强大的功能呢,让我们一起来看看吧!
💨2.在pandas中实现
import pandas as pd
test = pd.read_excel('./excel/test009.xlsx')
df = pd.DataFrame(test)
# 消除重复数据
df.drop_duplicates(subset='Name',inplace=True,keep='last')
print(df)
结果:
利用keep参数我们将前面重复的数据删除而保留了后面的数据,这就是pandas对比excel的一强大之处。而在此方面,pandas远不止于此,pandas还可以将重复的数据筛选出来。
💫2.1 利用pandas将重复的数据筛选出来
import pandas as pd
test = pd.read_excel('./excel/test009.xlsx')
df = pd.DataFrame(test)
re = df.duplicated(subset='Name')
# 找出重复项
re = re[re == True]
# re.index 找出重复数据的索引
print(df.iloc[re.index])
结果:
对上面两点,足以说明pandas在对excel数据进行操作时还是比excel更胜一筹的。
💦(三)数据转置
💨1.在excel中进行实现
结果:
那在pandas中又如何操作呢?是否更快捷更简单呢?
💨2.在pandas中进行操作
import pandas as pd
test = pd.read_excel('./excel/test010.xlsx',index_col="Month")
df = pd.DataFrame(test)
# 将数据转置
table = df.transpose()
# 显示所有数据,若不设置则中间数据不显示
pd.options.display.max_columns = 100
print(table)
结果:
这样就实现了上述结果,pandas相对来说处理数据更方便快捷!!