Comment lire et traiter des fichiers Excel à l'aide de pandas

Comment Pandas lit les fichiers Excel et traite les données

Introduction :
Pandas est un outil de traitement et d'analyse de données couramment utilisé. Il offre une multitude de fonctions et de méthodes pour permettre aux utilisateurs de nettoyer, transformer et analyser les données. Dans le travail réel, nous devons souvent traiter des fichiers de données au format Excel. Cet article explique comment utiliser Pandas pour lire des fichiers Excel et traiter et analyser les données.

1. Installer et importer la bibliothèque Pandas
Avant de commencer, nous devons d'abord installer la bibliothèque Pandas. Vous pouvez utiliser la commande suivante pour installer Pandas via pip :

pip install pandas

Une fois l'installation terminée, vous pouvez importer la bibliothèque Pandas via le code suivant :

import pandas as pd

2. Lire les fichiers Excel
Il existe deux méthodes couramment utilisées pour lire Excel fichiers : read_excel() et read_csv(). Dans cet article, nous utiliserons la méthode read_excel() pour lire les fichiers Excel.

Supposons que notre fichier Excel s'appelle data.xlsx et contienne une feuille de calcul nommée Sheet1. Nous pouvons lire le fichier Excel en utilisant le code suivant :

df = pd.read_excel('data.xlsx', sheet_name='Sheet1')

Une fois la lecture terminée, les données seront stockées dans l'objet DataFrame df.

3. Traitement et analyse des données
Après avoir lu le fichier Excel, nous pouvons utiliser diverses fonctions et méthodes de Pandas pour nettoyer, convertir et analyser les données.

1. Afficher les données
   Vous pouvez utiliser le code suivant pour afficher les premières lignes des données :

   print(df.head())

   Copier après la connexion

2. Statistiques de base
   Vous pouvez utiliser la fonction décrire() pour afficher les statistiques de base des données, telles que valeur minimale, valeur maximale, valeur moyenne, etc. :

   print(df.describe())

   Copier après la connexion

3. Filtrage des données
   Vous pouvez utiliser le code suivant pour filtrer un sous-ensemble de données qui remplit les conditions :

   subset = df[df['列名'] > 50]
   print(subset)

   Copier après la connexion

4. Tri des données
   Vous pouvez utiliser le Fonction sort_values() pour trier les données, comme le tri par ordre croissant selon une certaine colonne :

   sorted_df = df.sort_values(by='列名', ascending=True)
   print(sorted_df)

   Copier après la connexion

5. Regroupement de données
   Vous pouvez utiliser la fonction groupby() pour regrouper les données et effectuer des opérations d'agrégation, telles que des sommes, des moyennes , etc. :

   grouped_df = df.groupby('列名').sum()
   print(grouped_df)

   Copier après la connexion

6. Visualisation des données
   Vous pouvez utiliser la fonction plot() fournie par Pandas pour regrouper les données. Effectuer une visualisation, comme dessiner des histogrammes, des graphiques linéaires, etc. :

   df.plot(kind='bar', x='列名', y='列名')

   Copier après la connexion

4. Enregistrer les résultats
Après avoir terminé le traitement et l'analyse des données, nous pouvons utiliser le code suivant pour enregistrer les résultats dans un fichier Excel :

df.to_excel('result.xlsx', index=False)

Résumé :
Cet article présente comment utiliser Pandas pour lire des fichiers Excel et traiter des données, et donne le code exemples. Grâce aux fonctions et méthodes puissantes de Pandas, nous pouvons facilement nettoyer, convertir et analyser les données Excel, améliorant ainsi l'efficacité et la précision du traitement des données.

Ce qui précède est une introduction à la façon dont Pandas lit les fichiers Excel et traite les données. J'espère que cela sera utile aux lecteurs. Merci d'avoir lu!

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!