一、对excel文件的处理
1.读取excel文件并将其内容转化DataFrame和矩阵形式
①将excel转化为dataframe格式
data_file = "Pre_results.xlsx" # Excel文件存储位置
D = pd.read_excel("Pre_results.xlsx")
print(D)
②将excel转化为矩阵格式
首先要说明的一点是，同一个矩阵中所有元素必须是同一类型。
例如，生成矩阵时，我们可以为矩阵指定类型dtype=str、int、float等。
# 生成一个2×2的类型为str的矩阵 import numpy as np datamatrix = np.zeros((2, 2),dtype = str) print(datamatrix)
可见，在这个矩阵中的元素都是str类型。
代码实战：
首先看一下我们要处理的excel文件的内容。
下面直接上代码。
import numpy as np
import xlrd
def import_excel_matrix(path):
table = xlrd.open_workbook(path).sheets()[0] # 获取第一个sheet表
row = table.nrows # 行数
#print(row)
col = table.ncols # 列数
datamatrix = np.zeros((row, col),dtype = float) # 生成一个nrows行*ncols列的初始矩阵，在excel中，类型必须相同，否则需要自己指定dtype来强制转换。
for i in range(col): # 对列进行遍历 向矩阵中放入数据
#print(table.col_values(i)) #是矩阵
cols = np.matrix(table.col_values(i)) # 把list转换为矩阵进行矩阵操作
#print(cols)
#cols = float(cols)
datamatrix[:, i] = cols # 按列把数据存进矩阵中
return datamatrix
data_file = "to_matrix.xlsx" # Excel文件存储位置
data_matrix = import_excel_matrix(data_file)
print(data_matrix)
运行结果：
2.将数据写入xlsx文件
# 1.导入openpyxl模块
import openpyxl
# 2.调用Workbook()方法
wb = openpyxl.Workbook()
# 3. 新建一个excel文件，并且在单元表为"sheet1"的表中写入数据
ws = wb.create_sheet("sheet1")
# 4.在单元格中写入数据
# ws.cell(row=m, column=n).value = *** 在第m行n列写入***数据
ws.cell(row=1, column=1).value = "时间"
ws.cell(row=1, column=2).value = "零食"
ws.cell(row=1, column=3).value = "是否好吃"
# 5.保存表格
wb.save("嘿嘿.xlsx")
print("保存成功！")
3.将数据保存为xlsx文件
import xlwt
workbook=xlwt.Workbook(encoding="utf-8")
booksheet=workbook.add_sheet("Sheet 1", cell_overwrite_ok=True)
DATA=(("学号","姓名","年龄","性别","成绩"),
("1001","A","11","男","12"),
("1002","B","12","女","22"),
("1003","C","13","女","32"),
("1004","D","14","男","52"),)
for i,row in enumerate(DATA):
for j,col in enumerate(row):
booksheet.write(i,j,col)
workbook.save("grade.xls")
4.使用excel对数据进行处理的缺点
只能一行一行的读出和写入，且矩阵形式只可以存放相同类型的数据，效率不高。
二、对csv文件的处理
1.读取csv文件并将其内容转化为DataFrame形式
import pandas as pd
df = pd.read_csv("to_df.csv") #,nrows =6) nrows=6表示只读取前六行数据
print(df)
2.将DataFrame保存为csv文件
df.to_csv("df_to_csv.csv")
3.优缺点
①CSV是纯文本文件，excel不是纯文本，excel包含很多格式信息在里面。
②CSV文件的体积会更小，创建分发读取更加方便，适合存放结构化信息，比如记录的导出，流量统计等等。
③CSV文件在windows平台默认的打开方式是excel，但是它的本质是一个文本文件。
④csv文件只有一个sheet，太多的表不易保存，注意命名规范。
三、对txt文件的处理
1.读取txt文件
f=open("data.txt")
print(f.read())
2.将数据写入txt文件
注意不能将DataFrame写入txt文件，只能写入字符串。
f = open("data.txt","w", encoding="utf-8") #打开文件，若文件不存在系统自动创建
#w只能写入操作 r只能读取 a向文件追加；w+可读可写 r+可读可写 a+可读可追加；wb+写入进制数据
#w模式打开文件，如果文件中有数据，再次写入内容，会把原来的覆盖掉
f.write("hello world! = %.3f" % data) #write写入
f.writelines(["hello!
"]) #writelines 将列表中的字符串写入文件 但不会换行 参数必须是一个只存放字符串的列表
f.close() #关闭文件
3.将数据保存到txt文件
save_path= "save.txt" np.savetxt(save_path, data, fmt="%.6f")
四、对DataFrame文件的基本操作
1.DataFrame的创建
①DataFrame是一种表格型数据结构，（每一列的数据类型可以不同，而矩阵必须相同）它含有一组有序的列，每列可以是不同的值。
②DataFrame既有行索引，也有列索引，（调用其值时用）它可以看作是由Series组成的字典，不过这些Series公用一个索引。
③DataFrame的创建有多种方式，可以根据dict进行创建，也可以读取csv或者txt文件来创建。这里主要介绍这两种方式。
1.1根据字典创建
data = {
"state":["Ohio","Ohio","Ohio","Nevada","Nevada"],
"year":[2000,2001,2002,2001,2002],
"pop":[1.5,1.7,3.6,2.4,2.9]
}
frame = pd.DataFrame(data)
frame
#输出
pop state year
0 1.5 Ohio 2000
1 1.7 Ohio 2001
2 3.6 Ohio 2002
3 2.4 Nevada 2001
4 2.9 Nevada 2002
DataFrame的行索引是index，列索引是columns，我们可以在创建DataFrame时指定索引的值：
frame2 = pd.DataFrame(data,index=["one","two","three","four","five"],columns=["year","state","pop","debt"])
frame2
#输出
year state pop debt
one 2000 Ohio 1.5 NaN
two 2001 Ohio 1.7 NaN
three 2002 Ohio 3.6 NaN
four 2001 Nevada 2.4 NaN
five 2002 Nevada 2.9 NaN
使用嵌套字典也可以创建DataFrame，此时外层字典的键作为列，内层键则作为索引:
pop = {"Nevada":{2001:2.4,2002:2.9},"Ohio":{2000:1.5,2001:1.7,2002:3.6}}
frame3 = pd.DataFrame(pop)
frame3
#输出
Nevada Ohio
2000 NaN 1.5
2001 2.4 1.7
2002 2.9 3.6
我们可以用index，columns，values来访问DataFrame的行索引，列索引以及数据值，数据值返回的是一个二维的ndarray
frame2.values frame2.values[0,1]
1.2读取文件
读取文件生成DataFrame最常用的是read_csv,read_table方法。该方法中几个重要的参数如下所示：
其他创建DataFrame的方式有很多，比如我们可以通过读取mysql或者mongoDB来生成，也可以读取json文件等等，这里就不再介绍。
2.DataFrame轴的概念
在DataFrame的处理中经常会遇到轴的概念，这里先给大家一个直观的印象，我们所说的axis=0即表示沿着每一列或行标签索引值向下执行方法，axis=1即表示沿着每一行或者列标签模向执行对应的方法。
3.DataFrame一些性质
3.1索引、切片
我们可以根据列名来选取一列，返回一个Series:
frame2["year"] #索引列名
索引多列
data = pd.DataFrame(np.arange(16).reshape((4,4)),index = ["Ohio","Colorado","Utah","New York"],columns=["one","two","three","four"]) data[["two","three"]]
索引多行
data[:2] #第一行和第二行
#输出
one two three four
Ohio 0 1 2 3
Colorado 4 5 6 7
索引时，如果要是用标签，最好使用loc方法，如果使用下标，最好使用iloc方法。
data.loc["Colorado",["two","three"]] #输出 two 5 three 6 Name: Colorado, dtype: int64 data.iloc[0:3,2] #输出 Ohio 2 Colorado 6 Utah 10 Name: three, dtype: int64
3.2修改数据
可以使用一个标量修改DataFrame中的某一列，此时这个标量会广播到DataFrame的每一行上。
data = {
"state":["Ohio","Ohio","Ohio","Nevada","Nevada"],
"year":[2000,2001,2002,2001,2002],
"pop":[1.5,1.7,3.6,2.4,2.9]
}
frame2 = pd.DataFrame(data,index=["one","two","three","four","five"],columns=["year","state","pop","debt"])
frame2
frame2["debt"]=16.5
也可以使用一个列表来修改，不过要保证列表的长度与DataFrame长度相同：
frame2.debt = np.arange(5)
可以使用一个Series，此时会根据索引进行精确匹配：
val = pd.Series([-1.2,-1.5,-1.7],index=["two","four","five"]) frame2["debt"] = val
3.3算数运算
DataFrame在进行算术运算时会进行补齐，在不重叠的部分补足NA
df1 = pd.DataFrame(np.arange(9).reshape((3,3)),columns=list("bcd"),index=["Ohio","Texas","Colorado"])
df2 = pd.DataFrame(np.arange(12).reshape((4,3)),columns = list("bde"),index=["Utah","Ohio","Texas","Oregon"])
df1 + df2
3.4函数应用和映射
numpy的元素级数组方法，也可以用于操作Pandas对象:
frame = pd.DataFrame(np.random.randn(3,3),columns=list("bcd"),index=["Ohio","Texas","Colorado"])
np.abs(frame)
另一个常见的操作是，将函数应用到由各列或行所形成的一维数组上。DataFrame的apply方法即可实现此功能。
f = lambda x:x.max() - x.min() frame.apply(f)
3.5排序和排名
对于DataFrame,sort_index可以根据任意轴的索引进行排序，并指定升序降序
frame = pd.DataFrame(np.arange(8).reshape((2,4)),index=["three","one"],columns=["d","a","b","c"]) frame.sort_index()
DataFrame也可以按照值进行排序：
#按照任意一列或多列进行排序 frame.sort_values(by=["a","b"])
3.6汇总和计算描述统计
DataFrame中的实现了sum、mean、max等方法,我们可以指定进行汇总统计的轴，同时，也可以使用describe函数查看基本所有的统计项：
df = pd.DataFrame([[1.4,np.nan],[7.1,-4.5],[np.nan,np.nan],[0.75,-1.3]],index=["a","b","c","d"],columns=["one","two"]) df.sum(axis=1) #输出 one 9.25 two -5.80 dtype: float64 #Na会被自动排除，可以使用skipna选项来禁用该功能 df.mean(axis=1,skipna=False) #输出 a NaN b 1.300 c NaN d -0.275 dtype: float64 #idxmax返回间接统计，是达到最大值的索引 df.idxmax() #输出 one b two d dtype: object #describe返回的是DataFrame的汇总统计 #非数值型的与数值型的统计返回结果不同 df.describe()
DataFrame也实现了corr和cov方法来计算一个DataFrame的相关系数矩阵和协方差矩阵，同时DataFrame也可以与Series求解相关系数。
frame1 = pd.DataFrame(np.random.randn(3,3),index=list("abc"),columns=list("abc"))
frame1.corr
frame1.cov()
#corrwith用于计算每一列与Series的相关系数
frame1.corrwith(frame1["a"])
3.7处理缺失数据
Pandas中缺失值相关的方法主要有以下三个：
- isnull方法用于判断数据是否为空数据；
- fillna方法用于填补缺失数据；
- dropna方法用于舍弃缺失数据。
上面两个方法返回一个新的Series或者DataFrame，对原数据没有影响,如果想在原数据上进行直接修改，使用inplace参数：
data = pd.DataFrame([[1,6.5,3],[1,np.nan,np.nan],[np.nan,np.nan,np.nan],[np.nan,6.5,3]])
data.dropna()
#输出
0 1 2
0 1.0 6.5 3.0
对DataFrame来说，dropna方法如果发现缺失值，就会进行整行删除，不过可以指定删除的方式，how=all，是当整行全是na的时候才进行删除,同时还可以指定删除的轴。
data.dropna(how="all",axis=1,inplace=True) data #输出 0 1 2 0 1.0 6.5 3.0 1 1.0 NaN NaN 2 NaN NaN NaN 3 NaN 6.5 3.0
DataFrame填充缺失值可以统一填充，也可以按列填充，或者指定一种填充方式：
data.fillna({1:2,2:3})
#输出
0 1 2
0 1.0 6.5 3.0
1 1.0 2.0 3.0
2 NaN 2.0 3.0
3 NaN 6.5 3.0
data.fillna(method="ffill")
#输出
0 1 2
0 1.0 6.5 3.0
1 1.0 6.5 3.0
2 1.0 6.5 3.0
3 1.0 6.5 3.0
Dataframe中的Series是什么？
1、series与array类型的不同之处为series有索引，而另一个没有；series中的数据必须是一维的，而array类型不一定
2、可以把series看成一个定长的有序字典，可以通过shape,index,values等得到series的属性
其他文件的操作 文件复制操作
import shutil shutil.copyfile(dir1,dir2)
如果路径不存在创建路径
if not os.path.exists(datapath): os.mkdir(datapath)
查看当前目录下内容
import os all_files = os.listdir(os.getcwd()) print(all_files)
filenames = os.listdir(os.curdir) #获取当前目录中的内容 print(filenames)
总结
到此这篇关于python读取和保存为excel、csv、txt文件及对DataFrame文件的基本操作指南的文章就介绍到这了,更多相关python读取保存为excel、csv、txt文件内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
原文地址：https://blog.csdn.net/weixin_45928096/article/details/124034946
