如何使用Pandas将Excel表格转换为可处理的数据集？

1. 准备依赖库 #

Pandas读取Excel文件需要额外依赖包，根据文件格式选择安装：

• 处理.xlsx文件：执行 pip install openpyxl
• 处理.xls文件：执行 pip install xlrd==1.2.0（新版xlrd不再支持xlsx格式）

2. 读取Excel文件 #

通过pd.read_excel()将Excel文件加载为Pandas的核心数据结构DataFrame，示例代码如下：

import pandas as pd 
# 路径前加r避免转义字符问题，sheet_name指定目标工作表（可填名称或索引，0代表第一个工作表）
df = pd.read_excel(r"c:/Users/vpullabh/Desktop/Meraci.Ec-NGIOSD.xlsx", sheet_name="sheet1")
# 打印前5行数据验证读取结果
print(df.head())

3. 常用数据处理操作 #

读取完成后可执行各类数据处理操作：

• 查看数据概况：
  • df.info()：查看各列数据类型、非空值数量
  • df.describe()：生成数值列的统计摘要（均值、中位数、极值等）
• 数据清洗：
  • 移除含缺失值的行：df = df.dropna()
  • 用指定值填充缺失值：df = df.fillna(0)
  • 删除重复行：df = df.drop_duplicates()
• 筛选与查询：
  • 按条件筛选行：filtered_df = df[df['销售额'] > 1000]
  • 选择指定列：selected_cols = df[['姓名', '部门']]
• 修改与计算：
  • 新增计算列：df['税后工资'] = df['税前工资'] * 0.85
  • 修改指定行/列的值：df.loc[df['姓名'] == '张三', '部门'] = '技术部'
• 保存处理结果：
  将处理后的数据导出为新Excel文件：

  # index=False表示不保存Pandas自动生成的索引列
  df.to_excel("处理完成的数据.xlsx", index=False, engine='openpyxl')
  

内容的提问来源于stack exchange，提问作者Vaishnavi Pullabhatla