一、思考
1.Pandas是什么？
功能极其强大的数据分析库
可以高效地操作各种数据集
csv格式的文件
Excel文件
HTML文件
XML格式的文件
JSON格式的文件
数据库操作
2.经典面试题
通过面试题引出主题，读者可以思考，如果你遇到这题，该如何解答呢？
二、使用pandas来操作Excel文件
1.安装
a.通过Pypi来安装
| pip install pandas |
b.通过源码来安装
git clone git://github.com/pydata/pandas.git cd pandas python setup.py install |
2.按列读取数据
案例中的lemon_cases.xlsx文件内容如下所示：
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) |
三、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 3,18,1 4,18,1 |
import pandas as pd # 读取csv文件 # 方法一，使用read_csv读取，列与列之间默认以逗号分隔（推荐方法） # a.第一行为列名信息 csvframe = pd.read_csv('data.log') # b.第一行没有列名信息，直接为数据 csvframe = pd.read_csv('data.log', header=None) # c.第一行没有列名信息，直接为数据，也可以指定列名 csvframe = pd.read_csv('data.log', header=None, names=["Col1", "Col2", "Col3"]) # 方法二，read_table，需要指定列与列之间分隔符为逗号 csvframe = pd.read_table('data.log', sep=",") |
2.解答面试题
import pandas as pd # 1.读取csv文件 csvframe = pd.read_csv('data.log') # 2.选择Success为0的行 new_csvframe = csvframe.loc[csvframe["Success"] == 0] result_csvframe = new_csvframe["TestTime"] avg_result = round(sum(result_csvframe)/len(result_csvframe), 2) print("TestTime最小值为：{}\nTestTime最大值为：{}\nTestTime平均值为：{}". format(min(result_csvframe), max(result_csvframe), avg_result)) |
四、总结
在数据分析、数据可视化领域，Pandas的应用极其广泛；在大规模数据、多种类数据处理上效率非常高
在软件测试领域也有应用，但如果仅仅用excel来存放测试数据，使用Pandas就有点“杀鸡焉用宰牛刀”的感觉，那么建议使用特定的模块来处理（比如openpyxl）
上文内容不用于商业目的，如涉及知识产权问题，请权利人联系博为峰小编(021-64471599-8017)，我们将立即处理
