簡述

Pandas是python一款用于數(shù)據(jù)分析處理的優(yōu)秀工具，掌握簡單的使用方法，可以減少我們很多的工作時(shí)間，本篇主要介紹pandas對(duì)excel的讀寫，以及簡單的合并統(tǒng)計(jì)，下一章會(huì)為大家介紹Pandas的簡單繪圖。

案例說明

需求：

1. 將兩個(gè)sheet文件合并為一個(gè)，生成新excel文件

2. 統(tǒng)計(jì)兩天各類型商品的銷售額，生成新excel文件

3. 將相同名稱但不同價(jià)格的商品匯總(合并單元格)，生成新excel文件

數(shù)據(jù)文件：

pandas環(huán)境

這里默認(rèn)你已經(jīng)安裝好了pandas環(huán)境，也就是import pandas as pd 沒有報(bào)錯(cuò)
如果你沒有pandas環(huán)境，網(wǎng)上有很多優(yōu)秀教程，其實(shí)很簡單，只需要python環(huán)境下的pip install pandas就行了

完整示例

第一步 打開excel文件

第一步是最簡單的一步，但也是用的最多的一步，大家主要記住幾個(gè)常用的參數(shù)。

import pandas as pd 
import matplotlib.pyplot as plt
data = pd.read_excel('E:/data/myfile/商品銷售信息表.xlsx',encoding='windows-1252',
                        sheetname=None,
                        header=1,
                        skip_footer=1
                    )

參數(shù)1：文件路徑
參數(shù)2： sheetname，默認(rèn)為0，表示sheet的下標(biāo)索引，設(shè)置為None表示打開所有 Sheet，若要打開指定的sheet，
可傳入下標(biāo)數(shù)組， 如sheetname=[0,1,6,8]
參數(shù)3：header，標(biāo)題所在的行數(shù)，若不設(shè)置，默認(rèn)第一行為標(biāo)題（header=0），本例中標(biāo)題在第二行，所以header=1
參數(shù)4：skip_footer，底部跳過多少行，本例中底部有一行多余數(shù)據(jù)，故skip_footer=1

data返回的是一個(gè)dataframe集合，類似Dictionary
可以這樣輸出：data['商品銷售信息表0714’] 或 data['商品銷售信息表0715’]

第二步 合并sheet

合并sheet要用到concat函數(shù)，根據(jù)表頭進(jìn)行合并，代碼如下：

import pandas as pd 
import matplotlib.pyplot as plt
data = pd.read_excel('E:/data/myfile/商品銷售信息表.xlsx',encoding='windows-1252',
                        sheetname=None,
                        header=1,
                        skip_footer=1
                    )


df_all = pd.concat([data['商品銷售信息表0714'],data['商品銷售信息表0715']],axis=0)

concat 的兩個(gè)參數(shù)：
第一個(gè)參數(shù) 是要合并的dataframe對(duì)象數(shù)組，也就是sheet集合
第二個(gè)參數(shù) 可以省略，代表合并的方向，默認(rèn)是0，表示縱向合并；

合并的對(duì)象

第三步 統(tǒng)計(jì)各類型商品銷售額，生成excel文件

其實(shí)從統(tǒng)計(jì)學(xué)的角度來說，這一步之前應(yīng)該是數(shù)據(jù)清洗，處理掉空值和異常值，這里暫時(shí)不做說明。
Pandas對(duì)數(shù)據(jù)的統(tǒng)計(jì)處理，主要使用 groupby 函數(shù)，熟悉sql的朋友應(yīng)該不會(huì)陌生，也就是分組統(tǒng)計(jì)。

import pandas as pd 
import matplotlib.pyplot as plt
data = pd.read_excel('E:/data/myfile/商品銷售信息表.xlsx',encoding='windows-1252',
                        sheetname=None,
                        header=1,
                        skip_footer=1
                    )
df_all = pd.concat([data['商品銷售信息表0714'],data['商品銷售信息表0715']],axis=0)
df_type = df_all.groupby(['商品名','價(jià)格']).sum()
df_result = df_type.reset_index()

groupby 會(huì)把所有的數(shù)字列全部匯總，如需過濾，可使用 df_result [{'商品名’,’價(jià)格’,'數(shù)量’,'總價(jià)’}] 進(jìn)行過濾

按照 商品-價(jià)格 分類匯總，這里調(diào)用 reset_index() 方法，讓結(jié)果看起來更直接一些。
生成excel:

df_result.to_excel('E:/dat/myfile/分類統(tǒng)計(jì)各類型商品銷售額.xlsx')

第四步 合并兩列單元格

合并兩列單元格的思路，是生成一列新的單元格

import pandas as pd 
import matplotlib.pyplot as plt
data = pd.read_excel('E:/data/myfile/商品銷售信息表.xlsx',encoding='windows-1252',
                        sheetname=None,
                        header=1,
                        skip_footer=1
                    )

df_all = pd.concat([data['商品銷售信息表0714'],data['商品銷售信息表0715']],axis=0)
df_all['商品-價(jià)格'] = df_all['商品名'] +  '-' + df_all['價(jià)格'].map(str)

輸出df_all:

選擇需要保存的列：

df_result = df_type[{'商品-價(jià)格','數(shù)量','總價(jià)'}]
df_result.to_excel('E:/data/myfile/合并_商品銷售信息表.xlsx')

總結(jié)

示例相對(duì)比較簡單，在實(shí)際運(yùn)用中可能遇到的問題會(huì)比較復(fù)雜，希望大家可以一起交流學(xué)習(xí)，這是一個(gè)知識(shí)大爆炸的年代，大到終身學(xué)習(xí)也未必學(xué)得完，只有不斷的交流合作，才能保持自己的進(jìn)步。