Python 使用 Pandas 自动化处理 Excel 数据教程

3. 写入 Excel 文件

使用 to_excel 方法将 DataFrame 保存为 Excel 文件。

# 保存为 output.xlsx，index=False 表示不保存行索引
# engine='openpyxl' 指定使用 openpyxl 引擎处理 xlsx 格式
df.to_excel('output.xlsx', index=False, engine='openpyxl')

数据筛选与限制

在实际场景中，我们通常不需要展示所有数据，或者需要根据条件筛选特定记录。

1. 查看部分数据

• head(n): 显示前 n 行。
• tail(n): 显示后 n 行。
• sample(n): 随机抽取 n 行。

# 只显示前 5 行
print(df.head(5))

# 只显示后 3 行
print(df.tail(3))

2. 条件筛选

可以通过布尔索引筛选满足条件的行。例如，筛选年龄大于 28 岁的数据。

# 筛选年龄大于 28 的行
filtered_df = df[df['年龄'] > 28]
print(filtered_df)

3. 指定起始行

如果 Excel 文件的表头不在第一行，可以使用 header 参数指定。

# 假设表头在第 5 行（索引为 4），则设置 header=4
df_custom = pd.read_excel('data.xlsx', header=4)

行列数据处理

1. 列操作

对某一列进行数学运算或字符串处理非常便捷。

# 将 '年龄' 列的所有值除以 2
df['年龄'] = df['年龄'] / 2

# 添加新列，计算年龄的两倍
df['双倍年龄'] = df['年龄'] * 2

2. 行操作

对行进行操作通常涉及索引定位。可以使用 loc (标签) 或 iloc (位置)。

# 获取第 3 行的数据 (索引为 2)
row_3 = df.iloc[2]

# 给第 4 行的所有数值加 10 (假设该行为数值型)
# 注意：需确保该行存在且数据类型兼容
df.iloc[3] += 10

单元格精确定位

当需要对特定单元格进行修改时，Pandas 提供了多种访问器：

示例代码

# 定位第 2 行第 2 列的单元格 (标签方式)
val_at = df.at[1, '年龄'] 

# 定位第 2 行第 2 列的单元格 (位置方式，索引从 0 开始)
val_iat = df.iat[1, 1]

# 修改单元格值
df.at[1, '年龄'] = 99

综合实战案例

以下是一个完整的脚本示例，演示如何读取 Excel、处理数据并保存结果。

import pandas as pd
import os

def process_excel(input_path, output_path):
    """
    读取 Excel，筛选有效数据，处理数值，并保存
    """
    if not os.path.exists(input_path):
        print(f"文件 {input_path} 不存在")
        return

    try:
        # 1. 读取数据
        df = pd.read_excel(input_path)
        print(f"原始数据行数：{len(df)}")

        # 2. 数据清洗：删除全空行
        df.dropna(how='all', inplace=True)

        # 3. 数据处理：假设有一列 '分数'，计算平均分
        if '分数' in df.columns:
            df['状态'] = df['分数'].apply(lambda x: '及格' if x >= 60 else '不及格')

        # 4. 筛选：只保留及格人员
        valid_df = df[df['状态'] == '及格']

        # 5. 保存结果
        valid_df.to_excel(output_path, index=False, engine='openpyxl')
        print(f"处理完成，已保存至 {output_path}")

    except Exception as e:
        print(f"发生错误：{e}")

# 调用函数
# process_excel('source.xlsx', 'result.xlsx')

总结

Pandas 不仅支持基础的读写操作，还涵盖了排序、查找替换、透视表等高级功能，其灵活性和性能远超传统 Excel 公式。对于重复性高、数据量大的任务，使用 Pandas 编写脚本是最佳选择。

建议开发者在实际项目中结合 openpyxl 或 xlsxwriter 进一步美化输出格式，以满足更复杂的业务需求。