使用python對excel表格處理的一些小功能

python對excel表格處理的一些小功能 功能概覽pandas庫的一些應用文件讀入計算表格中每一行的英文單詞數簡單用textblob進行自然語言情感分析判斷一行中是不是有兩列值都與其他行重復(可推廣至多列)對表格中的兩列自定義函數運算判斷表格中某列中是否有空對表格某列中時間格式的修正運用matplotlib畫時間序列圖,重疊圖

功能概覽

做數模模擬賽時學到的一些對表格處理的知識,為瞭方便自己以後查找,遂寫成一篇文章,也希望能幫助大傢:)

pandas庫的一些應用

文件讀入

代碼如下,每一句後面都有註釋
包括知識點:
1.excel文件的寫入和輸出;
2.檢驗表格中是否有NaN,有即刪除一行;
3.把表格某列中所有某字母替換成另一字母,所有某數字替換成另一數字;
4.檢驗表格某列中每一格是Y還是N,是Y就在新列中對應輸出1,反之則為0;
5.對表格中多列進行運算
(首先要配置pandas庫,如果需要讀取和寫入文件,要配置xlsxwriter庫)

import pandas as pd
import xlsxwriter 
word=pd.read_excel('C:/math/Problem_C_Data/my_pacifier.xlsx') #excel表格文件讀入,括號裡面寫文件地址
word=word.replace(['n','y'],['N','Y'])  #把excel表裡的所有n替換成N,y替換成Y
word=word.dropna(axis=0)    #如果表格裡有一行中有NaN,即刪除這一行
word['m'] = word['a'].str.contains('Y').astype(int)   #如果列索引為a的這一列中有Y則對應新列中取值為1
word['n']=word['vine'].str.contains('Y').astype(int)
word['n']=word['n'].replace(1,2)      #把列索引為n的這一列中所有為1的值轉換為2
s = word.apply(lambda word: word['a'] *(word['m']+word['n']) , axis=1)    #s列是由表格中其他列的計算得到
word['Si']=(s - s.min())/(s.max() - s.min()) #對s列中的值進行歸一化處理
print(word['Si'])                             //打印索引為Si的列
#print(s)
#print(word['n'])
word.to_excel('C:/math/Problem_C_Data/SVVp.xlsx',engine='xlsxwriter')      //輸出excel文件到電腦中
print('finished') 

計算表格中每一行的英文單詞數

包含知識點:
1.dataframe和字典、列表的轉換;
2.如何遍歷字典;
3.計算dataframe中每一列的英文句子中的單詞數

import pandas as pd
import xlsxwriter 
word=pd.read_excel('C:/math/Problem_C_Data/reviewh.xlsx')  #裡面隻有一列數據
c=[]      #列表,用來統計每一行的英文句子的英文單詞個數
word=word.set_index(word.index).T.to_dict('list') #把這一列數據按dataframe的索引轉換成字典     
for key,value in word.items():    #遍歷字典
  s=str(value)           #先把表格裡當前行的內容轉換成字符串
  a=s.split(' ')          #把英文句子按空格分割
  num_s=len(a)            #計算出單詞個數
  c.append(num_s)          #添加到c中
c=pd.DataFrame(c)           #由列表轉換為dataframe
c.to_excel('C:/math/Problem_C_Data/counth.xlsx',engine='xlsxwriter')  //輸出成新的文件
print('finished')

簡單用textblob進行自然語言情感分析

用NLP簡單分析表格中每一格的英文句子的情感極性和主觀性

import pandas as pd
from textblob import TextBlob
import xlsxwriter 
word=pd.read_excel('C:/math/Problem_C_Data/reviewh.xlsx')
c=[]
word=word.set_index(word.index).T.to_dict('list')
for key,value in word.items(): 
  s=str(value)
  blob = TextBlob(s)     #把s轉化成textblob對象
  blob = blob.sentences   #利用TextBlob句子標記化句子
  first = blob[0].sentiment   #對標記化後的句子進行情感分析(我這裡隻有一個句子,如果有很多句就添加second=blob[1].sentiment)
  c.append(first.polarity)    #這裡隻添加瞭情感極性,如果還需要主觀性,就直接用first
c=pd.DataFrame(c)
c.to_excel('C:/math/Problem_C_Data/NLPh.xlsx',engine='xlsxwriter')
print('finished')

判斷一行中是不是有兩列值都與其他行重復(可推廣至多列)

判斷表中是不是有在同一行中a列和b列值都相同的情況。如第一行中a=1,b=2,第4行中a=1,b=2,則這兩行相同;如果第8行中a=1,b=3,則它和第一行不重復

import pandas as pd
import xlsxwriter
word=pd.read_excel('C:/math/Problem_C_Data/my_hair_dryer.xlsx')
x=word['a']     
y=word['b']
z=pd.concat([x,y],axis=1)#對axis=1即把兩列按行對齊,即左右拼接成一張表       
z['repeat']=z.duplicated()  #判斷表中有沒有重復的,如果有則輸出為true
ll = z['repeat'].values.tolist()   #把這一列轉變成列表   
if 'True' in ll:   #遍歷列表,如果裡面有true,就說明有重復,就輸出yes
  print('yes')
print('finished')

對表格中的兩列自定義函數運算

(此處定義的是除法運算)

import pandas as pd
import xlsxwriter 
word=pd.read_excel('C:/math/Problem_C_Data/my_hair_dryer.xlsx')
def chu(x,y):
  if y==0:   #分母為0,則不運算,結果直接為0
    result=0
  else:
    result=x/y
  return result
s = word.apply(lambda word:chu(word['helpful_votes'],word['total_votes']), axis=1)
s.to_excel('C:/math/Problem_C_Data/voteh.xlsx',engine='xlsxwriter')
print('finished')

判斷表格中某列中是否有空

import numpy as np
import pandas as pd
import xlsxwriter 
word=pd.read_excel('C:/math/Problem_C_Data/my_hair_dryer.xlsx')
train=word['review_date']
print(train.isnull().any())   #有空即輸出true

對表格某列中時間格式的修正

原格式是月/日/年,如1/11/2014,改為標準datetime格式2014-01-11(此處還要舍去後面的00:00:00),方便之後畫圖,也方便排序等

import pandas as pd
import datetime  #引入庫

#導入數據集
data =pd.read_excel('C:/math/Problem_C_Data/Exx.xlsx')

data = data.loc[:, ['review_date']] # 獲取數據集中列名為review_date
#s= pd.to_datetime(data['review_date'], format='%m/%d/%Y')

# 標準化日期,獲取時間的“年、月、日”
def change_date(s):
  s = datetime.datetime.strptime(s, "%m/%d/%Y") #這裡是原格式的形式,俺是月/日/年,可根據實際情況修改 
  # 把日期標準化,如把1/11/2014變成2014-01-011 00:00:00
  s = str(s) # 上一步把date轉化為瞭時間格式,此處把date轉回str格式
  return s[:10] #隻獲取年月日的方法,即“位置10”之前的字符串
  #字符串的切片

data['review_date'] = data['review_date'].map(change_date) 
# 用change_date函數處理列表中date這一列,如把“1/11/2014”轉化為“2014-01-11”
#data = data.sort_values(by='review_date') # 按date這一列進行排序,根據需要采用
data.to_excel('C:/math/Problem_C_Data/Exxx.xlsx',engine='xlsxwriter')
print('finished')

運用matplotlib畫時間序列圖,重疊圖

畫時間序列圖
(如果要畫重疊圖,記得x要一樣,y可以不一樣,然後用plt.plot(x,y0,x,y1,x,y2)即可畫出重疊圖)

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import matplotlib
import datetime
from statsmodels.graphics.factorplots import interaction_plot
import xlsxwriter 
data=pd.read_excel('C:/math/Problem_C_Data/Exx.xlsx')
# # create data 
s=data['E']      #y軸
e0=s[2907:5043]
t=data['review_date'] 
t0=t[2907:5043]
y0 =e0.values.tolist()
x0 = pd.to_datetime(t0)     #x軸
# # plot
plt.plot(x0,y0)        
plt.gcf().autofmt_xdate()
plt.grid(ls = '--')      #設置背後的網格線
plt.show()  #最後一定要show()

到此這篇關於使用python對excel表格處理的一些小功能的文章就介紹到這瞭,更多相關python對excel表格處理內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!

推薦閱讀: