小白来求助~ Python抓取数据写入excel的问题，附上丑代码。。。 [
[问题点数：40分，结帖人NANA170110]
本版专家分：0
结帖率 75%
CSDN今日推荐
本版专家分：90
本版专家分：20
本版专家分：0
结帖率 75%
本版专家分：0
结帖率 75%
本版专家分：90
本版专家分：0
结帖率 75%
本版专家分：10
本版专家分：20
匿名用户不能发表回复！|
CSDN今日推荐&>&python 使用pandas操作EXCEL表格数据
python 使用pandas操作EXCEL表格数据
上传大小：4KB
使用ipython pandas源代码，实现EXCEL表格操作，适合做EXEL，批量大表的操作。简单易懂，配有函数说明。
综合评分：1
{%username%}回复{%com_username%}{%time%}\
/*点击出现回复框*/
$(".respond_btn").on("click", function (e) {
$(this).parents(".rightLi").children(".respond_box").show();
e.stopPropagation();
$(".cancel_res").on("click", function (e) {
$(this).parents(".res_b").siblings(".res_area").val("");
$(this).parents(".respond_box").hide();
e.stopPropagation();
/*删除评论*/
$(".del_comment_c").on("click", function (e) {
var id = $(e.target).attr("id");
$.getJSON('/index.php/comment/do_invalid/' + id,
function (data) {
if (data.succ == 1) {
$(e.target).parents(".conLi").remove();
alert(data.msg);
$(".res_btn").click(function (e) {
var parentWrap = $(this).parents(".respond_box"),
q = parentWrap.find(".form1").serializeArray(),
resStr = $.trim(parentWrap.find(".res_area_r").val());
console.log(q);
//var res_area_r = $.trim($(".res_area_r").val());
if (resStr == '') {
$(".res_text").css({color: "red"});
$.post("/index.php/comment/do_comment_reply/", q,
function (data) {
if (data.succ == 1) {
var $target,
evt = e || window.
$target = $(evt.target || evt.srcElement);
var $dd = $target.parents('dd');
var $wrapReply = $dd.find('.respond_box');
console.log($wrapReply);
//var mess = $(".res_area_r").val();
var mess = resS
var str = str.replace(/{%header%}/g, data.header)
.replace(/{%href%}/g, 'http://' + window.location.host + '/user/' + data.username)
.replace(/{%username%}/g, data.username)
.replace(/{%com_username%}/g, data.com_username)
.replace(/{%time%}/g, data.time)
.replace(/{%id%}/g, data.id)
.replace(/{%mess%}/g, mess);
$dd.after(str);
$(".respond_box").hide();
$(".res_area_r").val("");
$(".res_area").val("");
$wrapReply.hide();
alert(data.msg);
}, "json");
/*删除回复*/
$(".rightLi").on("click", '.del_comment_r', function (e) {
var id = $(e.target).attr("id");
$.getJSON('/index.php/comment/do_comment_del/' + id,
function (data) {
if (data.succ == 1) {
$(e.target).parent().parent().parent().parent().parent().remove();
$(e.target).parents('.res_list').remove()
alert(data.msg);
//填充回复
function KeyP(v) {
var parentWrap = $(v).parents(".respond_box");
parentWrap.find(".res_area_r").val($.trim(parentWrap.find(".res_area").val()));
评论共有1条
没有用，缺少配合的文件
VIP会员动态
热门资源标签
CSDN下载频道资源及相关规则调整公告V11.10
下载频道用户反馈专区
下载频道积分规则调整V1710.18
spring mvc+mybatis+mysql+maven+bootstrap 整合实现增删查改简单实例.zip
资源所需积分/C币
当前拥有积分
当前拥有C币
输入下载码
为了良好体验，不建议使用迅雷下载
python 使用pandas操作EXCEL表格数据
会员到期时间：
剩余下载个数：
剩余积分：0
为了良好体验，不建议使用迅雷下载
积分不足！
资源所需积分/C币
当前拥有积分
您可以选择
程序员的必选
绿色安全资源
资源所需积分/C币
当前拥有积分
当前拥有C币
为了良好体验，不建议使用迅雷下载
资源所需积分/C币
当前拥有积分
当前拥有C币
为了良好体验，不建议使用迅雷下载
资源所需积分/C币
当前拥有积分
当前拥有C币
您的积分不足，将扣除 10 C币
为了良好体验，不建议使用迅雷下载
无法举报自己的资源
你当前的下载分为234。
你还不是VIP会员
开通VIP会员权限，免积分下载
你下载资源过于频繁，请输入验证码
您因违反CSDN下载频道规则而被锁定帐户，如有疑问，请联络:!
若举报审核通过，可返还被扣除的积分
被举报人：
举报的资源分：
请选择类型
资源无法下载 （ 404页面、下载失败、资源本身问题）
资源无法使用 （文件损坏、内容缺失、题文不符）
侵犯版权资源 （侵犯公司或个人版权）
虚假资源 （恶意欺诈、刷分资源）
含色情、危害国家安全内容
含广告、木马病毒资源
*详细原因：
python 使用pandas操作EXCEL表格数据苹果/安卓/wp
积分 850, 距离下一级还需 525 积分
权限: 自定义头衔, 签名中使用图片, 隐身
道具: 涂鸦板, 彩虹炫, 雷达卡, 热点灯, 显身卡, 匿名卡, 金钱卡, 抢沙发下一级可获得
权限: 设置帖子权限道具: 变色卡, 提升卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 变色卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
开心签到天数: 30 天连续签到: 1 天[LV.5]常住居民I
本帖最后由 Iris2126 于
14:28 编辑
导语Python正迅速成为数据科学家偏爱的语言，这合情合理。它拥有作为一种编程语言广阔的生态环境以及众多优秀的科学计算库。如果你刚开始学习Python，可以先了解一下Python的学习路线。
在众多的科学计算库中，我认为Pandas对数据科学运算最有用。Pandas，加上Scikit-learn几乎能构成了数据科学家所需的全部工具。 本文旨在提供Python数据处理的12种方法。文中也分享了一些会让你的工作更加便捷的小技巧。
在继续推进之前，我推荐读者阅览一些关于数据探索 (data exploration)的代码。
为了帮助理解，本文用一个具体的数据集进行运算和操作。本文使用了贷款预测(loan prediction) 问题数据集，下载数据集请到http://datahack.analyticsvidhya.com/contest/practice-problem-loan-prediction。开始工作首先我要导入要用的模块，并把数据集载入Python环境。
import pandas as pd复制代码
1.布尔索引(Boolean Indexing)如何你想用基于某些列的条件筛选另一列的值，你会怎么做？例如，我们想要一个全部无大学学历但有贷款的女性列表。这里可以使用布尔索引。代码如下：data.loc[(data[&Gender&]==&Female&) & (data[&Education&]==&Not Graduate&) & (data[&Loan_Status&]==&Y&), [&Gender&,&Education&,&Loan_Status&]]复制代码
想了解更多请阅读 Pandas Selecting and Indexing2.Apply函数Apply是摆弄数据和创造新变量时常用的一个函数。Apply把函数应用于数据框的特定行/列之后返回一些值。这里的函数既可以是系统自带的也可以是用户定义的。例如，此处可以用它来寻找每行每列的缺失值个数：#创建一个新函数:复制代码
输出结果：
由此我们得到了想要的结果。
注意：第二个输出使用了head()函数，因为数据包含太多行。
想了解更多请阅读 Pandas Reference (apply)3.替换缺失值‘fillna()’ 可以一次解决这个问题。它被用来把缺失值替换为所在列的平均值/众数/中位数。#首先导入一个寻找众数的函数：
from scipy.stats import modemode(data['Gender'])复制代码
输出: ModeResult(mode=array([‘Male’], dtype=object), count=array([489]))复制代码
返回了众数及其出现次数。记住，众数可以是个数组，因为高频的值可能不只一个。我们通常默认使用第一个：mode(data['Gender']).mode[0]复制代码
现在可以填补缺失值，并用上一步的技巧来检验。#值替换:复制代码
由此可见，缺失值确定被替换了。请注意这是最基本的替换方式，其他更复杂的技术，如为缺失值建模、用分组平均数（平均值/众数/中位数）填充，会在今后的文章提到。
想了解更多请阅读 Pandas Reference (fillna)4.透视表Pandas可以用来创建 Excel式的透视表。例如，“LoanAmount”这个重要的列有缺失值。我们可以用根据 ‘Gender’、‘Married’、‘Self_Employed’分组后的各组的均值来替换缺失值。每个组的 ‘LoanAmount’可以用如下方法确定：#Determine pivot table复制代码
想了解更多请阅读 Pandas Reference (Pivot Table)5.多重索引你可能注意到上一步骤的输出有个奇怪的性质。每个索引都是由三个值组合而成。这叫做多重索引。它可以帮助运算快速进行。
延续上面的例子，现在我们有了每个分组的值，但还没有替换。这个任务可以用现在学过的多个技巧共同完成。#只在带有缺失值的行中迭代：复制代码
注：多重索引需要在loc中用到定义分组group的元组(tuple)。这个元组会在函数中使用。
需要使用.values[0]后缀。因为默认情况下元素返回的顺序与原数据库不匹配。在这种情况下，直接指派会返回错误。6. 二维表这个功能可被用来获取关于数据的初始“印象”（观察）。这里我们可以验证一些基本假设。例如，本例中“Credit_History” 被认为对欠款状态有显著影响。可以用下面这个二维表进行验证：pd.crosstab(data[&Credit_History&],data[&Loan_Status&],margins=True)复制代码
这些数字是绝对数值。不过，百分比数字更有助于快速了解数据。我们可以用apply函数达到目的：
def percConvert(ser):&&复制代码
现在可以很明显地看出，有信用记录的人获得贷款的可能性更高：有信用记录的人有80% 获得了贷款，没有信用记录的人只有 9% 获得了贷款。
但不仅仅是这样，其中还包含着更多信息。由于我现在知道了有信用记录与否非常重要，如果用信用记录来预测是否会获得贷款会怎样？令人惊讶的是，在614次试验中我们能预测正确460次，足足有75%！
如果此刻你在纳闷，我们要统计模型有什么用，我不会怪你。但相信我，在此基础上提高0.001%的准确率都是充满挑战性的。你是否愿意接受这个挑战？
注：对训练集而言是75% 。在测试集上有些不同，但结果相近。同时，我希望这个例子能让人明白，为什么提高0.05% 的正确率就能在Kaggle排行榜上跳升500个名次。
想了解更多请阅读Pandas Reference (crosstab)
想了解后面六种方法请点击
原作者：AARSHAY JAIN 
翻译：数据工匠
原文地址：http://datartisan.com/article/detail/80.html
消灭零回复！
好多Code 漏掉了,请补足
很多内容没有给出，这个适合进阶的同学，对于python初学者比较困难
calsunny 发表于
好多Code 漏掉了,请补足诶？哪里漏掉了啊
firstconfig 发表于
很多内容没有给出，这个适合进阶的同学，对于python初学者比较困难下次整理些适合初学者的教程
来捞一捞帖子
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师&nbsp>&nbsp
&nbsp>&nbsp
&nbsp>&nbsp
python 中用pandas处理Excel文件
摘要：importpandasaspdimportnumpyasnpd={'one':pd.Series([1.,2.,3.],index=['a','b','c']),'two':pd.Series([1.,2.,3.,4.],index=['a','b','c','d'])}df=pd.DataFrame(d)printdfmean=df.mean()printmean#可以通过传递一个list对象来创建一个Series,pandas会默认创建整型索引:#通过传递一个numpy
import pandas as pdimport numpy as npd = {'one' : pd.Series([1., 2., 3.], index=['a', 'b', 'c']),'two' : pd.Series([1., 2., 3., 4.], index=['a', 'b', 'c', 'd'])}df=pd.DataFrame(d)print dfmean=df.mean()print mean#可以通过传递一个list对象来创建一个Series,pandas会默认创建整型索引:#通过传递一个numpy array,时间索引以及列标签来创建一个DataFrame:dates=pd.date_range('',periods=6)print datesdf1=pd.DataFrame(np.random.randn(6,4),index=dates,columns=list('ABCD'))print df1#通过传递一个能够被转换成类似序列结构的字典对象来创建一个DataFrame:df2=pd.DataFrame({'A':1.,'B':pd.Series(1,index=list(range(5)),dtype='float32'),'C':pd.Timestamp(''),'D':np.array([3]*5,dtype='int32'),'E':pd.Categorical(['test','train','test','train','test']),'F':'foo'})print df2# 查看frame中头部和尾部的行:print df1.tail(1)print df1.head(3)# 显示索引、列和底层的numpy数据:print df2.indexprint df2.columnsprint df2.values#describe()函数对于数据的快速统计汇总:print df1.describe()#对数据的转置:print df1.T#按轴进行排序print df1.sort_index(axis=1,ascending=False)#按值进行排序print df1.sort(columns='B')# 选择一个单独的列,这将会返回一个Series,等同于df.A:print 'df1[A]'+'/n',df1['A']#通过[]进行选择,这将会对行进行切片print 'df1[0:3]'+'/n',df1[0:2],'/n'#使用标签来获取一个交叉的区域print df1.loc[dates[0]],'/n/n'#通过标签来在多个轴上进行选择print df1.loc[dates[0:2],['C','A']]
&处理缺失数据(Missing data)9.1 pandas使用浮点值NaN(Not a Number)表示浮点和非浮点数组中的缺失数据。9.2 NA处理办法
根据各标签值中是否存在缺失数据对轴标签进行过滤,可通过阀值调节对缺失值的容忍度
用指定的或插值方法(如ffil或bfill)填充缺失数据
返回一个含有布尔值的对象,这些布尔值表示哪些值是缺失值/NA,该对象的类型与源类型一样
isnull的否定式
以上是的内容，更多
的内容，请您使用右上方搜索功能获取相关信息。
若你要投稿、删除文章请联系邮箱：zixun-group@service.aliyun.com,工作人员会在五个工作日内给你回复。
云服务器 ECS
可弹性伸缩、安全稳定、简单易用
&40.8元/月起
预测未发生的攻击
&24元/月起
邮箱低至5折
推荐购买再奖现金，最高25%
&200元/3月起
你可能还喜欢
你可能感兴趣
阿里云教程中心为您免费提供
python 中用pandas处理Excel文件相关信息，包括
的信息，所有python 中用pandas处理Excel文件相关内容均不代表阿里云的意见！投稿删除文章请联系邮箱：zixun-group@service.aliyun.com，工作人员会在五个工作日内答复
售前咨询热线
支持与服务
资源和社区
关注阿里云
International10:57 提问
pandas处理excel中列名为中文的问题
刚学pandas处理数据，导入excel表后想利用列名索引的方式['列名']或.列名提取数据
发现有的列数据可以提有的搜列名就是keyerror
就又看了下第一行数据，发现第一行数据对应的列名可以以提取的数据排列整齐，不可以提取的其实是列名后还存在空格，使用列名加相应的空格就可以提取不报keyerror
这什么情况，是不pandas可以处理中文列名，但是数据格式要统一？
我先把excel表中的列明数据格式都改为了数值，然后用格式刷把所有列名数据刷了一遍，再提取，并没改变。
有人遇到过这个问题吗，咋处理，看到网上有人是写dict的，有直接处理的吗？
按赞数排序
找到答案了用strip（）去掉空格就可以检索了
准确详细的回答，更有利于被提问者采纳，从而获得C币。复制、灌水、广告等回答会被删除，是时候展现真正的技术了！
其他相关推荐}