pandas批量處理數據

1.Excel表的拼接

這里為了方便就采用jupyter進行編輯操作了，不熟悉jupyter的朋友出門左轉！

數據的話先放到目錄下，當然也可以絕對路徑引用，這都是小事，只要你知道自己的數據存放在哪就行！

接下來上干貨！首先導入需要用到的pandas庫，python的精髓不就是調包嘛！！！

我這里有三個數據表，都是網上找的，侵刪！

將三張表中的數據分別導入到三個變量當中，可以輸出查看下數據格式！

import pandas as pd 
# 導入數據
data1 = pd.read_excel("python導學課數據/用戶購買數據/用戶購買信息數據1.xlsx")
data2 = pd.read_excel("python導學課數據/用戶購買數據/用戶購買信息數據2.xlsx")
data3 = pd.read_excel("python導學課數據/用戶購買數據/用戶購買信息數據3.xlsx")

看一下是不是很漂亮的數據！注意圈出來的部分叫作index，是pandas添加的，后續操作的時候會涉及，這里埋個伏筆！

 

 

 

 

數據導入后就需要進行合並了，這里用到的就是concat拼接函數！注意使用規范！不行就安排上游標卡尺！

# 數據拼接
data = pd.concat([data1, data2, data3])

合並后的數據這里就不展示了，篇幅有限！需要注意的是，這里是以行進行拼接，所以列數應該保持一致，要不然可拼不上！！！

拼接完成之后就是Excel輸出了，用到的操作是啥您老自己看吧！！！

# Excel格式輸出
data.to_excel("總表.xlsx", index = None)

需要注意的是，這里涉及到了之前提及的index，這里設置導出不需要index！！！至於目錄的話，我這里是當前目錄，就直接輸出了！這里展示下輸出結果，也沒啥技術含量!

 

至此，Excel的導入及表的拼接就完成了！

2.數據的操作

拼接不是目的，數據的操作才是硬道理，所以接下來我們介紹下數據的處理！

數據列的提取，直接上代碼！

data["商品價格水平"]

這樣就可以將“商品價格水平”這一列數據提取出來了！結果如下

 

接下來我們看下這一列數據中的數值分布情況，代碼如下

data["商品價格水平"].value_counts()

看到了吧，這樣的話就得到了"商品價格水平"的不同取值情況！

 

當然也可以得到數據的其他分布情況，比如均值

data["商品價格水平"].mean()

 

求最大值

data["商品價格水平"].max()

 

求最小值

data["商品價格水平"].min()