Python读取Excel、CSV文件

*读取csv

import pandas as pd
f = open('D:/SAB/Desktop/数据分析.csv')
df=pd.read_csv(f)
df

或者可以这样读取

import pandas as pd
f = open('D:\\SAB\\Desktop\\数据分析.csv')
df=pd.read_csv(f)
df

* 打印行和列

df.iloc[[0,1,2,3],[0,1]]  #打印1—4行，1-2列

*打印出V1>1的数据

df[df.V1>1]  #打印出V1>1的数据

*打印出V1>1 且 V0>1的数据

df[(df.V1>1) & (df.V0>1)]  #打印出V1>1 且 V0>1的数据

*假如加入了筛选条件后，我们只关心V3和V5

df[['V3','V5']][(df.V1>1) & (df.V0>1)]#假如加入了筛选条件后，我们只关心V3和V5

*描述性统计

df.describe() #描述性统计

*转置

df.T #转置

*按V0列升序排序

 df.sort_values(by='V0',ascending=True) #按V0列升序排序

*用数字代替缺失值

df.fillna(1111111111111)  #用数字代替缺失值

df.fillna(method = 'pad') #用前一个数据代替缺失值

 df.fillna(method = 'bfill') #用后一个数据代替

df.dropna(axis = 0) #删除缺失行

df.dropna(axis = 1) #删除缺失列

 

 *读取excel

import pandas as pd
f = 'D:/SAB/Desktop/数据分析.xlsx'
df= pd.read_excel(f)
df

文件如下：

 

 

 

print([column for column in df])      #获取所有的列名

pd.pivot_table(df,index=["匹配","开闭口","型号"])  #对某些列进行透视

 

df1 = pd.pivot_table(df,index=["关联(问题类型)","关联(问题明细)"],values=["value"],aggfunc=[len]) #使用聚合函数计数
df1

 

使用groupby ,相当于透视

grouped = df['订单号'].groupby(df['关联(问题类型)'])
grouped.count().nlargest(10)