目录
https://blog.csdn.net/weixin_43245453/article/details/907472591、打开Excel，获取不同sheet的名称
import pandas as pd
path = '1.xls'
data = pd.read_excel(path,None)#读取数据,设置None可以生成一个字典，字典中的key值即为sheet名字，此时不用使用DataFram，会报错
print(data.keys())#查看sheet的名字
for sh_name in data.keys():
print('sheet_name的名字是：',sh_name)data = {sheet1:sheet1的内容，sheet2:sheet2的内容，sheet3:sheet3的内容}
2、获取不同sheet的内容
sh_data = pd.DataFrame(pd.read_excel(path,表格页面名称sheet))3、 获取行数以及表头
import pandas as pd
path = 'G:\动力系\新建文件夹\什么.xls'
data = pd.DataFrame(pd.read_excel(path))#读取数据,设置None可以生成一个字典，字典中的key值即为sheet名字，此时不用使用DataFram，会报错
print(data.index)#获取行的索引名称
print(data.columns)#获取列的索引名称
print(data['姓名'])#获取列名为姓名这一列的内容
print(data.loc[0])#获取行名为0这一行的内容
4、对某一列的信息进行筛选
筛选使用的是data.loc[列名称 = 提取的信息]
假如我要提取院系下面的动力，代码如下：
import pandas as pd
path = 'G:\动力系\新建文件夹\什么.xls'
data = pd.DataFrame(pd.read_excel(path))#读取数据,设置None可以生成一个字典，字典中的key值即为sheet名字，此时不用使用DataFram，会报错
result = data.loc[data['院系'] == '动力']#获取列明为院系，内容为动力的内容
print(result)
5、根据列号和索引号提取一行或者一列的数据
第4条是根据列名称和行名称来提取一行或者一列的数据，若需要根据行号和列号（索引）来提取一行或者一列的数据则需要先将panda读取得到的数据先转换为数组，然后进行切片读取即可
def getData(xlsPath):
data = read_excel(xlsPath, None) # 读取数据,设置None可以生成一个字典，字典中的key值即为sheet名字，此时不用使用DataFram，会报错
sheetNames = data.keys()# 获取所有sheet的名称
# bodys, names, name_money = [],[],{}
for sheetName in sheetNames:
sh_data = DataFrame(read_excel(xlsPath, sheetName)) # 获得每一个sheet中的内容
# print(np.array(sh_data))
# 获取指定字段的一列内容,类型为<class 'pandas.core.series.Series'>
# bodys_ = sh_data["部位"]
# names_ = sh_data["报告医生"]
bodys_ = np.array(sh_data)[:,7] # 先将pandas类型转化为数组，再根据索引取值
names_ = np.array(sh_data)[:,16]
# 转化为列表
bodys = list(bodys_)
names = list(names_)
return bodys,names# 获得一个sheet表格的所有内容
sh_data = DataFrame(read_excel(xlsPath, sheetName)) # 获得每一个sheet中的内容
# 转换为数组
sh_data = np.array(sh_data)
# 切片操作，分别读取第i列和第j行
i_column = sh_data[:,i]
j_row = sh_data[j,:]
6、其他panda对Excel的操作
import numpy as np
import pandas as pd
data = pd.DataFrame(np.arange(16).reshape(4,4),index = list("ABCD"),columns=list('wxyz'))
print(data)
print(data[0:2]) #取前两行数据
print('+++++++++++++1111')
print(len(data)) #求出一共多少行
print(data.columns.size) #求出一共多少列
print('+++++++++++++2222')
print(data.columns) #列索引名称
print(data.index) #行索引名称
print('+++++++++++++3333')
print(data.iloc[1]) #取第2行数据
print('+++++++++++++444')
print(data['x']) #取列索引为x的一列数据
print(data.loc['A']) #取第行索引为”A“的一行数据，
print('+++++++++++++555')
print(data.loc[:,['x','z']]) #表示选取所有的行以及columns为a,b的列；
print(data.loc[['A','B'],['x','z']]) #表示选取'A'和'B'这两行以及columns为x,z的列的并集；
print('+++++++++++++6666')
print(data.iloc[1:3,1:3]) #数据切片操作，切连续的数据块
print(data.iloc[[0,2],[1,2]]) #即可以自由选取行位置，和列位置对应的数据，切零散的数据块
print('+++++++++++++7777')
print(data[data>2]) #表示选取数据集中大于0的数据
print(data[data.x>5]) #表示选取数据集中x这一列大于5的所有的行
print('+++++++++++++8888')
a1 = data.copy()
print(a1[a1['y'].isin(['6','10'])]) #表显示满足条件：列y中的值包含'6','8'的所有行。
print('+++++++++++++9999')
print(data.mean()) #默认对每一列的数据求平均值；若加上参数a.mean(1)则对每一行求平均值；
print(data['x'].value_counts()) #统计某一列x中各个值出现的次数：
print('+++++++++++++101010')
print(data.describe()) #对每一列数据进行统计，包括计数，均值，std，各个分位数等。
C:\Users\innduce\Desktop\jianmo\Scripts\python.exe G:/untitled1/narry.py
w x y z
A 0 1 2 3
B 4 5 6 7
C 8 9 10 11
D 12 13 14 15
w x y z
A 0 1 2 3
B 4 5 6 7
+++++++++++++1111
4
4
+++++++++++++2222
Index(['w', 'x', 'y', 'z'], dtype='object')
Index(['A', 'B', 'C', 'D'], dtype='object')
+++++++++++++3333
w 4
x 5
y 6
z 7
Name: B, dtype: int32
+++++++++++++444
A 1
B 5
C 9
D 13
Name: x, dtype: int32
w 0
x 1
y 2
z 3
Name: A, dtype: int32
+++++++++++++555
x z
A 1 3
B 5 7
C 9 11
D 13 15
x z
A 1 3
B 5 7
+++++++++++++6666
x y
B 5 6
C 9 10
x y
A 1 2
C 9 10
+++++++++++++7777
w x y z
A NaN NaN NaN 3
B 4.0 5.0 6.0 7
C 8.0 9.0 10.0 11
D 12.0 13.0 14.0 15
w x y z
C 8 9 10 11
D 12 13 14 15
+++++++++++++8888
w x y z
B 4 5 6 7
C 8 9 10 11
+++++++++++++9999
w 6.0
x 7.0
y 8.0
z 9.0
dtype: float64
13 1
5 1
9 1
1 1
Name: x, dtype: int64
+++++++++++++101010
w x y z
count 4.000000 4.000000 4.000000 4.000000
mean 6.000000 7.000000 8.000000 9.000000
std 5.163978 5.163978 5.163978 5.163978
min 0.000000 1.000000 2.000000 3.000000
25% 3.000000 4.000000 5.000000 6.000000
50% 6.000000 7.000000 8.000000 9.000000
75% 9.000000 10.000000 11.000000 12.000000
max 12.000000 13.000000 14.000000 15.000000Process finished with exit code 0