一、思考

1.Pandas是什么？

• 功能極其強大的數據分析庫
• 可以高效地操作各種數據集
  • csv格式的文件
  • Excel文件
  • HTML文件
  • XML格式的文件
  • JSON格式的文件
  • 數據庫操作

2.經典面試題

通過面試題引出主題，讀者可以思考，如果你遇到這題，該如何解答呢？

二、使用pandas來操作Excel文件

1.安裝

a.通過Pypi來安裝

          
            pip install pandas
          
        

b.通過源碼來安裝

          
            git clone git://github.com/pydata/pandas.git
cd pandas
python setup.py install
          
        

2.按列讀取數據

案例中的 lemon_cases.xlsx 文件內容如下所示：

          
            import pandas as pd

# 讀excel文件
# 返回一個DataFrame對象，多維數據結構
df = pd.read_excel('lemon_cases.xlsx', sheet_name='multiply')
print(df)


# 1.讀取一列數據
# df["title"] 返回一個Series對象，記錄title這列的數據
print(df["title"])

# Series對象能轉化為任何序列類型和dict字典類型
print(list(df['title']))    # 轉化為列表
# title為DataFrame對象的屬性
print(list(df.title))    # 轉化為列表
print(tuple(df['title']))   # 轉化為元組
print(dict(df['title']))    # 轉化為字典，key為數字索引

# 2.讀取某一個單元格數據
# 不包括表頭，指定列名和行索引
print(df['title'][0])   # title列，不包括表頭的第一個單元格

# 3.讀取多列數據
print(df[["title", "actual"]])

          
        

3.按行讀取數據

          
            import pandas as pd

# 讀excel文件
df = pd.read_excel('lemon_cases.xlsx', sheet_name='multiply')   # 返回一個DataFrame對象，多維數據結構
print(df)


# 1.讀取一行數據
# 不包括表頭，第一個索引值為0
# 獲取第一行數據，可以將其轉化為list、tuple、dict
print(list(df.iloc[0]))  # 轉成列表
print(tuple(df.iloc[0]))  # 轉成元組
print(dict(df.iloc[0]))  # 轉成字典
print(dict(df.iloc[-1]))  # 也支持負索引

# 2.讀取某一個單元格數據
# 不包括表頭，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.讀取多行數據
print(df.iloc[0:3])

          
        

4.iloc和loc方法

          
            import pandas as pd

# 讀excel文件
df = pd.read_excel('lemon_cases.xlsx', sheet_name='multiply')   # 返回一個DataFrame對象，多維數據結構
print(df)


# 1.iloc方法
# iloc使用數字索引來讀取行和列
# 也可以使用iloc方法讀取某一列
print(df.iloc[:, 0])
print(df.iloc[:, 1])
print(df.iloc[:, -1])

# 讀取多列
print(df.iloc[:, 0:3])

# 讀取多行多列
print(df.iloc[2:4, 1:4])
print(df.iloc[[1, 3], [2, 4]])

# 2.loc方法
# loc方法，基于標簽名或者索引名來選擇
print(df.loc[1:2, "title"])             # 多行一列
print(df.loc[1:2, "title":"r_data"])    # 多列多行

# 基于布爾類型來選擇
print(df["r_data"] > 5)  # 某一列中大于5的數值為True，否則為False
print(df.loc[df["r_data"] > 5])  # 把r_data列中大于5，所在的行選擇出來
print(df.loc[df["r_data"] > 5, "r_data":"actual"])  # 把r_data到actual列選擇出來

          
        

5.讀取所有數據

          
            import pandas as pd

# 讀excel文件
df = pd.read_excel('lemon_cases.xlsx', sheet_name='multiply')   # 返回一個DataFrame對象，多維數據結構
print(df)


# 讀取的數據為嵌套列表的列表類型，此方法不推薦使用
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.寫入數據

          
            import pandas as pd

# 讀excel文件
df = pd.read_excel('lemon_cases.xlsx', sheet_name='multiply')   # 返回一個DataFrame對象，多維數據結構
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來操作csv文件

1.讀取csv文件

案例中的 data.log 文件內容如下所示：

          
            TestID,TestTime,Success
0,149,0
1,69,0
2,45,0
3,18,1
4,18,1
          
        

          
            import pandas as pd


# 讀取csv文件
# 方法一，使用read_csv讀取，列與列之間默認以逗號分隔（推薦方法）
# a.第一行為列名信息
csvframe = pd.read_csv('data.log')

# b.第一行沒有列名信息，直接為數據
csvframe = pd.read_csv('data.log', header=None)

# c.第一行沒有列名信息，直接為數據，也可以指定列名
csvframe = pd.read_csv('data.log', header=None, names=["Col1", "Col2", "Col3"])


# 方法二，read_table，需要指定列與列之間分隔符為逗號
csvframe = pd.read_table('data.log', sep=",")

          
        

2.解答面試題

          
            import pandas as pd


# 1.讀取csv文件
csvframe = pd.read_csv('data.log')

# 2.選擇Success為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最小值為：{}\nTestTime最大值為：{}\nTestTime平均值為：{}".
      format(min(result_csvframe), max(result_csvframe), avg_result))

          
        

四、總結

• 在數據分析、數據可視化領域，Pandas的應用極其廣泛；在大規模數據、多種類數據處理上效率非常高
• 在軟件測試領域也有應用，但如果僅僅用excel來存放測試數據，使用Pandas就有點 “殺雞焉用宰牛刀” 的感覺，那么建議使用特定的模塊來處理（比如 openpyxl ）