import pandas as pd
# 读excel文件
# 返回一个DataFrame对象，多维数据结构
df = pd.read_excel('lemon_cases.xlsx', sheet_name='multiply')
print(df)
# 1.读取一列数据
# df["title"] 返回一个Series对象，记录title这列的数据
print(df["title"])
# Series对象能转化为任何序列类型和dict字典类型
print(list(df['title'])) # 转化为列表
# title为DataFrame对象的属性
print(list(df.title)) # 转化为列表
print(tuple(df['title'])) # 转化为元组
print(dict(df['title'])) # 转化为字典，key为数字索引
# 2.读取某一个单元格数据
# 不包括表头，指定列名和行索引
print(df['title'][0]) # title列，不包括表头的第一个单元格
# 3.读取多列数据
print(df[["title", "actual"]])3.按行读取数据
import pandas as pd
# 读excel文件
df = pd.read_excel('lemon_cases.xlsx', sheet_name='multiply') # 返回一个DataFrame对象，多维数据结构
print(df)
# 1.读取一行数据
# 不包括表头，第一个索引值为0
# 获取第一行数据，可以将其转化为list、tuple、dict
print(list(df.iloc[0])) # 转成列表
print(tuple(df.iloc[0])) # 转成元组
print(dict(df.iloc[0])) # 转成字典
print(dict(df.iloc[-1])) # 也支持负索引
# 2.读取某一个单元格数据
# 不包括表头，指定行索引和列索引（或者列名）
print(df.iloc[0]["l_data"]) # 指定行索引和列名
print(df.iloc[0][2]) # 指定行索引和列索引
# 3.读取多行数据
print(df.iloc[0:3])4.iloc和loc方法
import pandas as pd
# 读excel文件
df =pd.read_excel('lemon_cases.xlsx', sheet_name='multiply') # 返回一个DataFrame对象，多维数据结构
print(df)
# 1.iloc方法
# iloc使用数字索引来读取行和列
# 也可以使用iloc方法读取某一列
print(df.iloc[:, 0])
print(df.iloc[:, 1])
print(df.iloc[:, -1])
# 读取多列
print(df.iloc[:, 0:3])
# 读取多行多列
print(df.iloc[2:4, 1:4])
print(df.iloc[[1, 3], [2, 4]])
# 2.loc方法
# loc方法，基于标签名或者索引名来选择
print(df.loc[1:2, "title"]) # 多行一列
print(df.loc[1:2, "title":"r_data"]) # 多列多行
# 基于布尔类型来选择
print(df["r_data"] > 5) # 某一列中大于5的数值为True，否则为False
print(df.loc[df["r_data"] > 5]) # 把r_data列中大于5，所在的行选择出来
print(df.loc[df["r_data"] > 5, "r_data":"actual"]) # 把r_data到actual列选择出来5.读取所有数据
import pandas as pd
# 读excel文件
df = pd.read_excel('lemon_cases.xlsx', sheet_name='multiply') # 返回一个DataFrame对象，多维数据结构
print(df)
# 读取的数据为嵌套列表的列表类型，此方法不推荐使用
print(df.values)
# 嵌套字典的列表
datas_list = []
for r_index in df.index:
datas_list.append(df.iloc[r_index].to_dict())
print(datas_list)6.写入数据
import pandas as pd
# 读excel文件
df = pd.read_excel('lemon_cases.xlsx', sheet_name='multiply') # 返回一个DataFrame对象，多维数据结构
print(df)
df['result'][0] = 1000
print(df)
with pd.ExcelWriter('lemon_cases_new.xlsx') as writer:
df.to_excel(writer, sheet_name="New", index=False)03 使用pandas来操作csv文件
1.读取csv文件
案例中的 data.log 文件内容如下所示：
TestID,TestTime,Success
0,149,0
1,69,0
2,45,0
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
