『R语言&Python』 Excel文件的读取以及DataFrame的相关操作 （1）

文中使用到的数据：

time = [1,2,3,4,5,6,7,8,9 ]
x = [19.47, 27.41, 27.92, 33.79, 38.00, 40.36, 51.70, 62.15, 78.58]
result = [0.759, 0.844, 0.868, 0.992, 1.092, 1.074, 1.099, 1.243, 1.342]

Python部分：

一、读取Excel

提到读取数据，就不得不说 $pandas$ 这个库了，它可以读取的文件格式如图；对 $Excel$ 表格进行数据分析时，常使用 read_csv 或者 read_excel

首先把 C:\Users\acer\Desktop\data analysis\Playing.xlsx 文件地址赋值给 filepath，然后使用 pd.read_excel( ) 方法读取该文件，注意参数 sheet_name=1 意味着读取文件中的第二个表格 $Sheet2$

import pandas as pd
filepath = r'C:\Users\acer\Desktop\data analysis\Playing.xlsx'  
df = pd.read_excel(filepath,sheet_name=1)  

读取出来的 $df$ 是一个数据框（即类型为 $DataFrame$ ）

二、删除df中不需要的列

注意到进行数据分析或者建模时，可能不需要用到 $“time”$ 这一列数据，所以利用 $drop$ 方法（注意参数添加 $axis=1$ ，表示对列进行操作）删除 $df$ 中的 $“time”$ 列

df = df.drop(['time'], axis = 1)  
print(df) 

若要同时删除多列，往中括号内继续添加要删除的列即可

# 举例：若df中有a、b、c列，删除df中的a、b、c列
df = df.drop(['a','b','c'], axis = 1)

三、列的重命名

除此之外，强迫症患者还可以把列名 $“result”$ 改成 $“y”$ 便于建模时对变量的识别。

df['y'] = df['result']  #先把result列的值赋值给要新建的列备份
df = df.drop(['result'], axis = 1)   #然后删除result列
print(df) 

四、数据的使用

然后可以按照自己的建模需要，把相应的列提取出来转成 $np$ 对象，用于建模。注意“0”代表第1列、以此类推

import numpy as np  
x = df.iloc[:,0]   #第一列命名为x
x = x.to_numpy()  
y = df.iloc[:,1]   #第二列命名为y
y = y.to_numpy() 

$$R$$

一、读取$Excel$

R语言一般使用 $xlsx$ 包 读取 $Excel$，但是参数的设置与 $python$ 相比有所不同，如指定读取表格的参数

> library(xlsx)
> data = read.xlsx("C:/Users/acer/Desktop/data analysis/Playing.xlsx",2)
> print(data)

二、删除df中不需要的列

将$"time"$ 这一列删去，注意与 $python$ 的区别——这里-1指的是删去第一列

删除多列：

data = data[, -1]
print(data)
#### 
data = data[,c(-1,-2)]
print(data)

删除指定（多）列：

注意：方式一、三删除列后若只剩余1列，类型仍为 $data.frame$，而方式二类型发生改变

方式一：使用 subset(数据框名字，select = -c(要删除的列1，... )) 方法。推荐使用

> data = subset(data, select = -c(time, result))
> data

方式二：构造一个布尔向量，结合 %in% 和这个向量来删除不需要的列。
首先要介绍下 names() 方法，用于 $dataframe$ 时的作用与 colnames() 方法一致;

然后 %in% 可以判断向量 $a$ 内元素是否在 $b$ 中，是则返回 $true$，否则 $false$

这时我们加上一个 ! ,就能使我们想删除的列在向量中对应的位置变成 $False$，把该向量命名为 $del$。

最后把这个向量放入 $data$ 中，实现删除指定多列:

注意这时 $data$ 从 $data.frame$ 类型变成了 $numeric$ 类型

> names(data)
> names(data) %in% c('time','result')
> colnames(data) %in% c('time', 'result')
> del = !names(data) %in% c('time', 'result')
> print(del)
> data = data[, del]
> print(data)
> class(data)

方式三：使用 dplyr 包中的 select(数据框名字, -c(要删除的列1, ...)) 方法进行删除

> install.packages('dplyr')
> library(dplyr)
> data = dplyr::select(data, -c(time, result))
> print(data)

三、列的重命名

重命名前，先使用方法 $colnames()$ 查看目前 $df$ 中的所有列名

方式一：直接把向量赋值给 $colnames()$ 方法实现重命名

方式二：安装 plyr 包，使用它的 rename 方法实现重命名。较为便利（推荐），当列名总数量多且要重命名的列也多时，该方式比方式一快很多

print(colnames(data))  
# 方式一
colnames(data) = c('x','y')
print(data)
# 方式二
install.packages('plyr')
data = plyr::rename(data, c('result'='y'))

四、数据的使用

该步骤中 $R$ 相对于 $python$ 会简单些，不需要转化成 $numpy$ 数组，直接在 $df$中使用 $ 引用即可

————————————————————————————————————————————————————
感谢观看，不足之处敬请指教