目录
1、打开Excel，获取不同sheet的名称
2、获取不同sheet的内容
3、 获取行数以及表头
4、对某一列的信息进行筛选
5、根据列号和索引号提取一行或者一列的数据
6、其他panda对Excel的操作
摘自：python对excel操作获取某一列，某一行的值，对某一列信息筛选_春风若是你的博客-CSDN博客_python遍历excel某行某列所有数据https://blog.csdn.net/weixin_43245453/article/details/90747259
1、打开Excel，获取不同sheet的名称 import pandas as pdpath = '1.xls'data = pd.read_excel(path,None)#读取数据,设置None可以生成一个字典，字典中的key值即为sheet名字，此时不用使用DataFram，会报错print(data.keys())#查看sheet的名字for sh_name in data.keys():print('sheet_name的名字是：',sh_name)data = {sheet1:sheet1的内容，sheet2:sheet2的内容，sheet3:sheet3的内容}
2、获取不同sheet的内容 sh_data = pd.DataFrame(pd.read_excel(path,表格页面名称sheet)) 3、 获取行数以及表头 import pandas as pdpath = 'G:\动力系\新建文件夹\什么.xls'data = pd.DataFrame(pd.read_excel(path))#读取数据,设置None可以生成一个字典，字典中的key值即为sheet名字，此时不用使用DataFram，会报错print(data.index)#获取行的索引名称print(data.columns)#获取列的索引名称print(data['姓名'])#获取列名为姓名这一列的内容print(data.loc[0])#获取行名为0这一行的内容 4、对某一列的信息进行筛选筛选使用的是data.loc[列名称 = 提取的信息]
假如我要提取院系下面的动力，代码如下：
import pandas as pdpath = 'G:\动力系\新建文件夹\什么.xls'data = pd.DataFrame(pd.read_excel(path))#读取数据,设置None可以生成一个字典，字典中的key值即为sheet名字，此时不用使用DataFram，会报错result = data.loc[data['院系'] == '动力']#获取列明为院系，内容为动力的内容print(result) 5、根据列号和索引号提取一行或者一列的数据第4条是根据列名称和行名称来提取一行或者一列的数据，若需要根据行号和列号（索引）来提取一行或者一列的数据则需要先将panda读取得到的数据先转换为数组，然后进行切片读取即可
def getData(xlsPath):data = read_excel(xlsPath, None) # 读取数据,设置None可以生成一个字典，字典中的key值即为sheet名字，此时不用使用DataFram，会报错sheetNames = data.keys()# 获取所有sheet的名称# bodys, names, name_money = [],[],{}for sheetName in sheetNames:sh_data = DataFrame(read_excel(xlsPath, sheetName)) # 获得每一个sheet中的内容# print(np.array(sh_data))# 获取指定字段的一列内容,类型为<class 'pandas.core.series.Series'># bodys_ = sh_data["部位"]# names_ = sh_data["报告医生"]bodys_ = np.array(sh_data)[:,7] # 先将pandas类型转化为数组，再根据索引取值names_ = np.array(sh_data)[:,16]# 转化为列表bodys = list(bodys_)names = list(names_)return bodys,names# 获得一个sheet表格的所有内容
sh_data = DataFrame(read_excel(xlsPath, sheetName)) # 获得每一个sheet中的内容
# 转换为数组
sh_data = np.array(sh_data)
# 切片操作，分别读取第i列和第j行
i_column = sh_data[:,i]
j_row = sh_data[j,:]
6、其他panda对Excel的操作摘自：python中的dataframe的行、列切片等操作_春风若是你的博客-CSDN博客_dataframe按列切片https://blog.csdn.net/weixin_43245453/article/details/90056884
import numpy as npimport pandas as pddata = pd.DataFrame(np.arange(16).reshape(4,4),index = list("ABCD"),columns=list('wxyz'))print(data)print(data[0:2]) #取前两行数据print('+++++++++++++1111')print(len(data)) #求出一共多少行print(data.columns.size) #求出一共多少列print('+++++++++++++2222')print(data.columns) #列索引名称print(data.index) #行索引名称print('+++++++++++++3333')print(data.iloc[1]) #取第2行数据print('+++++++++++++444')print(data['x']) #取列索引为x的一列数据print(data.loc['A']) #取第行索引为”A“的一行数据，print('+++++++++++++555')print(data.loc[:,['x','z']]) #表示选取所有的行以及columns为a,b的列；print(data.loc[['A','B'],['x','z']]) #表示选取'A'和'B'这两行以及columns为x,z的列的并集；print('+++++++++++++6666')print(data.iloc[1:3,1:3]) #数据切片操作，切连续的数据块print(data.iloc[[0,2],[1,2]]) #即可以自由选取行位置，和列位置对应的数据，切零散的数据块print('+++++++++++++7777')print(data[data>2]) #表示选取数据集中大于0的数据print(data[data.x>5]) #表示选取数据集中x这一列大于5的所有的行print('+++++++++++++8888')a1 = data.copy()print(a1[a1['y'].isin(['6','10'])]) #表显示满足条件：列y中的值包含'6','8'的所有行。print('+++++++++++++9999')print(data.mean()) #默认对每一列的数据求平均值；若加上参数a.mean(1)则对每一行求平均值；print(data['x'].value_counts()) #统计某一列x中各个值出现的次数：print('+++++++++++++101010')print(data.describe()) #对每一列数据进行统计，包括计数，均值，std，各个分位数等。C:\Users\innduce\Desktop\jianmo\Scripts\python.exe G:/untitled1/narry.py w x y z A 0 1 2 3 B 4 5 6 7 C 8 9 10 11 D 12 13 14 15 w x y z A 0 1 2 3 B 4 5 6 7 +++++++++++++1111 4 4 +++++++++++++2222 Index(['w', 'x', 'y', 'z'], dtype='object') Index(['A', 'B', 'C', 'D'], dtype='object') +++++++++++++3333 w 4 x 5 y 6 z 7 Name: B, dtype: int32 +++++++++++++444 A 1 B 5 C 9 D 13 Name: x, dtype: int32 w 0 x 1 y 2 z 3 Name: A, dtype: int32 +++++++++++++555 x z A 1 3 B 5 7 C 9 11 D 13 15 x z A 1 3 B 5 7 +++++++++++++6666 x y B 5 6 C 9 10 x y A 1 2 C 9 10 +++++++++++++7777 w x y z A NaN NaN NaN 3 B 4.0 5.0 6.0 7 C 8.0 9.0 10.0 11 D 12.0 13.0 14.0 15 w x y z C 8 9 10 11 D 12 13 14 15 +++++++++++++8888 w x y z B 4 5 6 7 C 8 9 10 11 +++++++++++++9999 w 6.0 x 7.0 y 8.0 z 9.0 dtype: float64 13 1 5 1 9 1 1 1 Name: x, dtype: int64 +++++++++++++101010 w x y z count 4.000000 4.000000 4.000000 4.000000 mean 6.000000 7.000000 8.000000 9.000000 std 5.163978 5.163978 5.163978 5.163978 min 0.000000 1.000000 2.000000 3.000000 25% 3.000000 4.000000 5.000000 6.000000 50% 6.000000 7.000000 8.000000 9.000000 75% 9.000000 10.000000 11.000000 12.000000 max 12.000000 13.000000 14.000000 15.000000
Process finished with exit code 0
