亚洲免费在线-亚洲免费在线播放-亚洲免费在线观看-亚洲免费在线观看视频-亚洲免费在线看-亚洲免费在线视频

Python自動化測試-使用Pandas來高效處理測試數據

系統 2033 0

一、思考

1.Pandas是什么?

Python自動化測試-使用Pandas來高效處理測試數據_第1張圖片

  • 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?

Python自動化測試-使用Pandas來高效處理測試數據_第2張圖片



二、使用pandas來操作Excel文件

Python自動化測試-使用Pandas來高效處理測試數據_第3張圖片

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:

Python自動化測試-使用Pandas來高效處理測試數據_第4張圖片


          
            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)

          
        


Python自動化測試-使用Pandas來高效處理測試數據_第5張圖片



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

Python自動化測試-使用Pandas來高效處理測試數據_第6張圖片

  • 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

更多文章、技術交流、商務合作、聯系博主

微信掃碼或搜索:z360901061

微信掃一掃加我為好友

QQ號聯系: 360901061

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點擊下面給點支持吧,站長非常感激您!手機微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點擊微信右上角掃一掃功能,選擇支付二維碼完成支付。

【本文對您有幫助就好】

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描上面二維碼支持博主2元、5元、10元、自定義金額等您想捐的金額吧,站長會非常 感謝您的哦!!!

發表我的評論
最新評論 總共0條評論
主站蜘蛛池模板: 国产久视频| 亚洲欧洲免费 | 俄罗斯色视频 | 午夜一级毛片免费视频 | 美女超逼 | 成人夜视频| 另类图片综合 | 久久99热成人精品国产 | 欧美专区一区二区三区 | 成人牲交一极毛片 | 久青草视频免费观看青 | 久久精品影院一区二区三区 | 亚洲va欧美va国产综合久久 | 香蕉九九 | 鸥美毛片 | 欧美一级在线播放 | 亚洲精品亚洲人成在线播放 | 欧美成人免费观看国产 | a级无毛片 | 欧美一级精品 | 久久综合九色综合亚洲小说 | 国产精品亚洲一区二区在线观看 | 伊人久久成人爱综合网 | 免费中日高清无专码有限公司 | 亚洲精品一区二区三区四区 | 欧美一级欧美一级毛片 | 日本三级中文字幕 | 日本人又黄又爽免费视频 | 91亚洲最新精品 | 久久亚洲精品玖玖玖玖 | 国产精品美女久久久 | 国产香蕉一区二区在线网站 | 久久精品vr中文字幕 | 亚洲视频精选 | 欧美视频a | 天天爱天天色 | 中文字幕日韩精品麻豆系列 | 亚洲精品大片 | 婷婷六月综合网 | 女人十八毛片一级毛片免费看 | 美女超爽久久久久网站 |