Pandas.行列数据选取方法，Pandas与Excel交互实例--简单的系统登录功能

要求：当日用户输入密码次数超过三次，将进行账户锁定，本日不再允许登陆。
知识点：pandas 读取Excel数据，并对数据进行增删改后保存回Excel里面

环境：Python3.6

一、判断准备：

1、用户登录信息表；
2、用户登录错误次数记录表；
3、用户锁定表；

二、Pandas知识准备：

1、Excel数据的读取与保存：

pandas从表中读取数据，是Excel数据的复制版本，增删改数据都不会影响的Excel里面的数据，需要操作生效则需要在最后操作完成后将数据保存回Excel。

import pandas as pd
df = pd.read_excel('文件路径名.xlsx') #文件读取,文件路径名最好用全路径，D:\****\**.xlsx,下同

writer =  pd.ExcelWriter('文件路径名.xlsx')#文件保存，注意文件路径名，如果文件不存在则会创建，文件存在则会覆盖
DataFrame.to_excel(writer)
writer.save

2、DataFrame索引行列数据【数据选取】：

行标签/索引：index=XXX部分,索引相当于数据库的主键，唯一确定一行数据，可以用户自己指定的行标签(用户自己指定时，该DataFrame将有两套行索引，一套用户自定义，另一套系统默认索引)，不指定则默认0开始编号。--方便起见通俗称行标号

列标签：列名

行编号/列编号 ： 统称行列编号，所有行列都是0开始编号，第0行……第N行；注意！当不指定行索引index是，行号和默认行索引是一样的，但索引时候要注意区分，真正理解你用的到底是行索引还是行编号

索引数据的三种方式（DataFrame=df）

①通行标签(行索引)以及列标签(列名) 索引数据，固定格式--df.loc[行索引，列名称] 

范例：

loc行选择：data.loc[a] /  data.loc[a:k] 不会报错--a:k选择a,f,k三行数据，引用了行标签，data.loc[c/d/e]报错，因为cde不是索引,但可以data['c/d/e']---data['index']会报错

loc行列选择：data.loc[a,c]--【索引编号，列名】 如果列名用列编号data['a',0] 则报错

②通过行列编号索引，固定格式-- df.iloc[行编号，列编号]

范例：

iloc行选择：data.iloc[0]--行号是自动编号并非索引，正常切片使用。 如果data.iloc['a']-则报错

iloc行列选择：data.iloc[0,'c/d/e']--报错，行列都必须用编号。

③索引和编号混合使用，综合上两种形式，固定格式--df.ix[行索引，列编号]  或者   df.ix[行编号，列名称]

3、数据查询--已知数值反查数据位置

在实例中，我们需要做到，当用户输入用户名时，则需要判断用户名是否存在用户列表中或者是否存在锁定用户表中，符合条件存在且未锁定用户，还需要提取该用户的密码和输入密码匹配与否。

这里有两种数值是否存在的查询方式：

①数值不多的情况下，在某列中查找是否存在具体的数值：

第一步：df['column_name']=='某个值'  ---返回一个布尔类型的df_bool

第二步：索引这个值对应的一行数据，df[df_bool]-----布尔类型数据框同样用来索引数据，true则返回对应位置的数值

综合可以为：df[df['column_name']=='某个值'] 直接返回需要查数值对应的行数据

引申--几个数值条件筛选&条件与，|条件或，df[(df['column_1']=='*') & (df['column_2']=='*')]

范例：

dataFrame下图

dataFrame[(dataFrame['user']=='admin') & (dataFrame['date']=='2018-03-25')]=下图

②已知若干数据，反查数据框是否存在：

dataFrame[列名称-此处省略则选取整表查询].isin([数值必须是一个列表]) ----返回一个bool型的数据框，isin适用多个数值判断，简化代码。

已查询出数据在数据框存在，返回该数据的行号位置：

已知dataFrame表，查看所有行位置列表=dataFrame.index.tolist() --返回为一个列表，列表元素为行索引编号。

考虑到登录过程中需要反复的判断和查询，我自己变写了一个函数，方便调用：

def find_pd_values(valist,DataFrame,columnsl):
    """
    适用已知某一行记录数值，查找该行记录是否存在，返回该行记录行号。

    :param valist: 数据值列表，数值顺序可无序--已知的行记录数值
    :param DataFrame: 查找的目标数据框
    :param columnsl: 已知数据对应的已知数据列名列表-可无序
    :return:查找是否存在，数据记录对应的行索引编号
    """
    df_temp = DataFrame[columnsl][ DataFrame[columnsl].isin(valist)].dropna(axis=0,how='any').index.tolist()
    #DataFrame[columnsl].isin(valist) 查询df中指定数据列是否有数值，返回一个bool类型数据框
    #DataFrame[columnsl][ DataFrame[columnsl].isin(valist)]查询出来将是一个具有NaN值得列表，我们只想要一行都是数值的目标数据。
    #DataFrame[columnsl][ DataFrame[columnsl].isin(valist)].dropna(axis=0,how='any') 只要含有NAN的数据就丢弃
    #最后返回该数据行的 index值
    if df_temp:
        if_exist = True
        des_cloc = df_temp
        return if_exist,des_cloc
    else:
        if_exist = False
        des_cloc = None
        return  if_exist,des_cloc

为了方便理解，下面一个范例：

print(df[['date','user']][df[['date','user']].isin(['张三','2018-04-02'])])

3、增删改

增加以及修改操作会修改当前的df数据，但是删除操作需要外加一个参数inplace=True来指定是否操作本df，默认操作后产生新的df,True表示本df操作覆盖。

增加：

指定的行号后面新增一行数据：

df.loc[行索引编号] = {'column1': 值1, 'column2': 值2,'column3': 值3,}

新增列数据：

df['new_colname'] = new_coldata

df.loc[9] =['2018-04-10','小增加',2]
df['new_column'] = None
print(df)

（下面方法就不在举栗子）

删除指定特定数据：

df.drop( [行索引index列表] ,  inplace=True )  # inplace不指定默认FALSE 下同

删除所有行：

df.drop(df.index   ,inplace=True )

修改：

df.ix[ a,  b] = new_data

查看索引（行）：

print(DataFrame.index)

删除索引：--原来表上操作inplace=True

DataFrame.reset_index(drop=True ,inplace=True) #索引删除后会自动另外生成新的索引。

三、实现代码

#!/usr/bin/evn python
# -*-coding:utf8 -*-
import xlsxwriter
import pandas as pd
import time,getpass
def find_pd_values(valist,DataFrame,columnsl):
    """
    适用已知某一行记录数值，查找该行记录是否存在，返回该行记录行号。

    :param valist: 数据值列表，数值顺序可无序--已知的行记录数值
    :param DataFrame: 查找的目标数据框
    :param columnsl: 已知数据对应的已知数据列名列表-可无序
    :return:查找是否存在，数据记录对应的行索引编号
    """
    df_temp = DataFrame[columnsl][ DataFrame[columnsl].isin(valist)].dropna(axis=0,how='any').index.tolist()
    #DataFrame[columnsl].isin(valist) 查询df中指定数据列是否有数值，返回一个bool类型数据框
    #DataFrame[columnsl][ DataFrame[columnsl].isin(valist)]查询出来将是一个具有NaN值得列表，我们只想要一行都是数值的目标数据。
    #DataFrame[columnsl][ DataFrame[columnsl].isin(valist)].dropna(axis=0,how='any') 只要含有NAN的数据就丢弃
    #最后返回该数据行的 index值
    if df_temp:
        if_exist = True
        des_cloc = df_temp
        return if_exist,des_cloc
    else:
        if_exist = False
        des_cloc = None
        return  if_exist,des_cloc

def login(username, password):

    if password == str(user_info['password'][find_pd_values([username],user_info,['user'])[1][0]]):
        print(username +' welcome back！')
        return True

    else:

        if find_pd_values([username,date],login_info,['user', 'date'])[0]:
            error_loc=find_pd_values([username,date],login_info,['user', 'date'])[1][0]
            error_count=login_info.ix[error_loc, 'error_count']
            login_info.ix[error_loc, 'error_count'] = error_count+1
            error_count +=1
            print('密码错误，请重新输入！本日密码输错3次账号将被锁定，当前剩余输入次数为:',3-error_count)
            writer = pd.ExcelWriter(login_info_filepath)
            login_info.to_excel(writer)
            writer.save


            if error_count == 3:
                if find_pd_values([username,date],lock_user,['user', 'date'])[0]:
                    print('系统错误！or 数据被篡改，锁定表已锁定账户：{username}，不允许登录！'.format(username=username))
                else:
                    lock_user.loc[len(lock_user.index)+1] = {'user': username, 'date': date}
                    writer =  pd.ExcelWriter(lock_user_filepath)
                    lock_user.to_excel(writer)
                    writer.save

            # return error_count
        else:
            error_count = 1
            login_info.loc[len(login_info.index)+1] = {'user': username, 'date': date,'error_count':error_count}
            writer =  pd.ExcelWriter(login_info_filepath)
            login_info.to_excel(writer)
            writer.save
            print('密码错误，请重新输入！本日密码输错3次账号将被锁定，当前剩余输入次数为:',3-error_count)
        return False



user_info_filepath=r"D:\pythonStudy\mytest\登录\user_info.xlsx"
lock_user_filepath =r"D:\pythonStudy\mytest\登录\lock_user.xlsx"
login_info_filepath = r"D:\pythonStudy\mytest\登录\login_info.xlsx"
import pandas as pd
user_info = pd.read_excel(user_info_filepath)
lock_user = pd.read_excel(lock_user_filepath)
login_info = pd.read_excel(login_info_filepath)
date = time.strftime('%Y-%m-%d',time.localtime(time.time()))

counter=0
username = ''
while counter<3:
    if username == '':
        username=input("请输入用户名：")
    else:
        pass
    if find_pd_values([username],user_info,['user'])[0]:
        if find_pd_values([username,date],lock_user,['user','date'])[0]:
            print("因您输入密码错误次数太多，账号被锁定，请明日再尝试登陆，不便之前请谅解谢谢！")
            break
        else:
            password = input('请输入密码：')
            result = login(username,password)
            if result:
                break
            else:
                username = username
                counter+=1
                continue



    else:
        username=''
        counter+=1
        if counter==3:
             continue
        else:
            print("您输入的用户名不存在，请检查用户名或者先注册，谢谢！")

else:
    print('输入错误！请稍后再试，谢谢！')
# password='123245'
# username='李四'