🍺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：
在这里插入图片描述

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：

在这里插入图片描述
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

在这里插入图片描述
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：
在这里插入图片描述
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：
在这里插入图片描述
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：
在这里插入图片描述
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)