百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术资源 > 正文

【Python】excel常用函数操作Python实现,办公入门首选

off999 2024-11-05 10:55 13 浏览 0 评论

常见的Excel函数,在Python中的如何实现:

  1. VLOOKUP: 可以使用merge或map函数来实现类似的功能。
  2. IF: 可以使用numpy库的where函数来实现类似的功能。
  3. SUMIF: 可以使用pandas的query函数来筛选数据,然后使用sum函数来计算总和。
  4. COUNTIF: 类似于SUMIF,可以使用query函数来筛选数据,然后使用count函数来计算数量。
  5. AVERAGEIF: 类似于SUMIF和COUNTIF,可以使用query函数来筛选数据,然后使用mean函数来计算平均值。
  6. INDEX & MATCH: 可以使用.loc或.iloc函数来实现类似的功能。
  7. RANK: 可以使用rank函数来实现类似的功能。
  8. CONCATENATE: 可以使用+运算符或str.cat函数来实现类似的功能。
  9. TEXT: 可以使用str.format函数来实现类似的功能。
  10. SUBSTITUTE: 可以使用str.replace函数来实现类似的功能。

代码如下:

1.VLOOKUP:可以使用merge或map函数来实现类似的功能。

import pandas as pd

# Let's assume we have two dataframes: df1 and df2
df1 = pd.DataFrame({
   'A': ['foo', 'bar', 'baz', 'qux'],
   'B': ['one', 'one', 'two', 'three'],
   'C': ['x', 'y', 'z', 'w'],
   'D': [1, 2, 3, 4]
})

df2 = pd.DataFrame({
   'B': ['one', 'two', 'three'],
   'E': ['apple', 'banana', 'cherry']
})

# Now we want to add column E from df2 to df1 based on the values in column B
df3 = pd.merge(df1, df2, on='B', how='left')

print(df3)

输出结果:


  1. IF:Python中的numpy库提供了一个where函数,可以用来实现类似的功能。例如:
import numpy as np

# Let's assume we have a dataframe df
df = pd.DataFrame({
   'A': [1, 2, 3, 4],
   'B': [5, 6, 7, 8]
})

# We want to create a new column C that contains the value from column A if the value in column B is greater than 6, otherwise it contains the value from column B
df['C'] = np.where(df['B'] > 6, df['A'], df['B'])

print(df)
  1. SUMIF:可以使用pandas的query函数来筛选数据,然后使用sum函数来计算总和。例如:
# Let's assume we have a dataframe df
df = pd.DataFrame({
   'A': [1, 2, 3, 4],
   'B': ['yes', 'no', 'yes', 'no']
})

# We want to sum the values in column A where the corresponding value in column B is 'yes'
sum_if = df.query('B == "yes"')['A'].sum()

print(sum_if)
  1. COUNTIF:类似于SUMIF,可以使用query函数来筛选数据,然后使用count函数来计算数量。例如:
# Let's assume we have a dataframe df
df = pd.DataFrame({
   'A': [1, 2, 3, 4],
   'B': ['yes', 'no', 'yes', 'no']
})

# We want to count the number of values in column A where the corresponding value in column B is 'yes'
count_if = df.query('B == "yes"')['A'].count()

print(count_if)
  1. AVERAGEIF:类似于SUMIF和COUNTIF,可以使用query函数来筛选数据,然后使用mean函数来计算平均值。例如:
# Let's assume we have a dataframe df
df = pd.DataFrame({
   'A': [1, 2, 3, 4],
   'B': ['yes', 'no', 'yes', 'no']
})

# We want to calculate the average of values in column A where the corresponding value in column B is 'yes'
average_if = df.query('B == "yes"')['A'].mean()

print(average_if)


  1. INDEX & MATCH:可以使用.loc或.iloc函数来实现类似的功能。例如:
# Let's assume we have a dataframe df
df = pd.DataFrame({
   'A': [1, 2, 3, 4],
   'B': ['a', 'b', 'c', 'd']
})

# We want to get the value in column A where the corresponding value in column B is 'c'
value = df.loc[df['B'] == 'c', 'A'].iloc[0]

print(value)
  1. RANK:可以使用rank函数来实现类似的功能。例如:
# Let's assume we have a dataframe df
df = pd.DataFrame({
   'A': [1, 2, 3, 4],
   'B': [4, 3, 2, 1]
})

# We want to get the rank of values in column B
df['C'] = df['B'].rank()

print(df)
  1. CONCATENATE:可以使用+运算符或str.cat函数来实现类似的功能。例如:
# Let's assume we have a dataframe df
df = pd.DataFrame({
   'A': ['Hello', ' ', 'World'],
   'B': ['!', '', '']
})

# We want to concatenate the values in column A and column B
df['C'] = df['A'] + df['B']
# or
df['C'] = df['A'].str.cat(df['B'])

print(df)
  1. TEXT:可以使用str.format函数来实现类似的功能。例如:
# Let's assume we have a dataframe df
df = pd.DataFrame({
   'A': [1, 2, 3, 4],
   'B': [0.1, 0.2, 0.3, 0.4]
})

# We want to format the values in column B as text with two decimal places
df['C'] = df['B'].apply(lambda x: '{:.2f}'.format(x))

print(df)
  1. SUBSTITUTE:可以使用str.replace函数来实现类似的功能。例如:
# Let's assume we have a dataframe df
df = pd.DataFrame({
   'A': ['Hello World', 'Goodbye World']
})

# We want to replace 'World' with 'Python' in column A
df['B'] = df['A'].str.replace('World', 'Python')

print(df)

相关推荐

Python 数据分析——利用Pandas进行分组统计

话说天下大势,分久必合,合久必分。数据分析也是如此,我们经常要对数据进行分组与聚合,以对不同组的数据进行深入解读。本章将介绍如何利用Pandas中的GroupBy操作函数来完成数据的分组、聚合以及统计...

python数据分析:介绍pandas库的数据类型Series和DataFrame

安装pandaspipinstallpandas-ihttps://mirrors.aliyun.com/pypi/simple/使用pandas直接导入即可importpandasas...

使用DataFrame计算两列的总和和最大值_[python]

【如果对您有用,请关注并转发,谢谢~~】最近在处理气象类相关数据的空间计算,在做综合性计算的时候,DataFrame针对每列的统计求和、最大值等较为方便,对某行的两列或多列数据进行求和与最大值等的简便...

8-Python内置函数

Python提供了丰富的内置函数,这些函数可以直接使用而无需导入任何模块。以下是一些常用的内置函数及其示例:1-print()1-1-说明输出指定的信息到控制台。1-2-例子2-len()2-1-说...

Python中函数式编程函数: reduce()函数

Python中的reduce()函数是一个强大的工具,它通过连续地将指定的函数应用于序列(如列表)来对序列(如列表)执行累积操作。它是functools模块的一部分,这意味着您需要在使用它之...

万万没想到,除了香农计划,Python3.11竟还有这么多性能提升

众所周知,Python3.11版本带来了较大的性能提升,但是,它具体在哪些方面上得到了优化呢?除了著名的“香农计划”外,它还包含哪些与性能相关的优化呢?本文将带你一探究竟!作者:BeshrKay...

最全python3.11版12类75个内置函数大全

获取全部内置函数:importbuiltins#导入模块yc=[]#异常属性nc=[]#不可调用fn=[]#内置函数defll(ty=builtins):...

软件测试笔试题

测试工程师岗位,3-5年,10-14k1.我司有一款产品,类似TeamViewer,向日葵,mstsc,QQ远程控制产品,一个PC客户端产品,请设想一下测试要点。并写出2.写出常用的SQL语句8条,l...

备战各大互联网巨头公司招聘会,最全Python面试大全,共300题

前言众所周知,越是顶尖的互联网公司在面试这一part的要求就越高,需要你有很好的技术功底、项目经验、一份漂亮的简历,当然还有避免不了的笔试过关。对于Python的工程师来说,全面掌握好有关Python...

经典 SQL 数据库笔试题及答案整理

马上又是金三银四啦,有蛮多小伙伴在跳槽找工作,但对于年限稍短的软件测试工程师,难免会需要进行笔试,而在笔试中,基本都会碰到一道关于数据库的大题,今天这篇文章呢,就收录了下最近学员反馈上来的一些数据库笔...

用Python开发日常小软件,让生活与工作更高效!附实例代码

引言:Python如何让生活更轻松?在数字化时代,编程早已不是程序员的专属技能。Python凭借其简洁易学的特点,成为普通人提升效率、解决日常问题的得力工具。无论是自动化重复任务、处理数据,还是开发个...

太牛了!102个Python实战项目被我扒到了!建议收藏!

挖到宝了!整整102个Python实战项目合集,从基础语法到高阶应用全覆盖,附完整源码+数据集,手把手带你从代码小白变身实战大神!这波羊毛不薅真的亏到哭!超全项目库,学练一站式搞定这份资...

Python中的并发编程

1.Python对并发编程的支持多线程:threading,利用CPU和IO可以同时执行的原理,让CPU不会干巴巴等待IO完成。多进程:multiprocessing,利用多核CPU...

Python 也有内存泄漏?

1.背景前段时间接手了一个边缘视觉识别的项目,大功能已经开发的差不多了,主要是需要是优化一些性能问题。其中比较突出的内存泄漏的问题,而且不止一处,有些比较有代表性,可以总结一下。为了更好地可视化内存...

python爬虫之多线程threading、多进程、协程aiohttp批量下载图片

一、单线程常规下载常规单线程执行脚本爬取壁纸图片,只爬取一页的图片。importdatetimeimportreimportrequestsfrombs4importBeautifu...

取消回复欢迎 发表评论: