pandas快速处理Excel,替换Nan,转字典的操作

时间:2021-05-23

pandas读取Excel

import pandas as pd# 参数1:文件路径,参数2:sheet名pf = pd.read_excel(path, sheet_name='sheet1')

删除指定列

# 通过列名删除指定列pf.drop(['序号', '替代', '签名'], axis=1, inplace=True)

替换列名

# 旧列名 新列名对照columns_map = { '列名1': 'newname_1', '列名2': 'newname_2', '列名3': 'newname_3', '列名4': 'newname_4', '列名5': 'newname_5', # 没有列名的情况 'Unnamed: 10': 'newname_6',}new_fields = list(columns_map.values())pf.rename(columns=columns_map, inplace=True)pf = pf[new_fields]

替换 Nan

通常使用

pf.fillna('新值')

替换表格中的空值,(Nan)。

但是,你可能会发现 fillna() 会有不好使的时候,记得加上 inplace=True

# 加上 inplace=True 表示修改原对象pf.fillna('新值', inplace=True)

官方对 inplace 的解释

inplace : boolean, default False

If True, fill in place. Note: this will modify any other views on this object, (e.g. a no-copy slice for a column in a DataFrame).

全列输出不隐藏

你可能会发现,输出表格的时候会出现隐藏中间列的情况,只输出首列和尾列,中间用 … 替代。

加上下面的这句话,再打印的话,就会全列打印。

pd.set_option('display.max_columns', None)print(pf)

将Excel转换为字典

pf_dict = pf.to_dict(orient='records')

全部代码

import pandas as pdpf = pd.read_excel(path, sheet_name='sheet1')columns_map = { '列名1': 'newname_1', '列名2': 'newname_2', '列名3': 'newname_3', '列名4': 'newname_4', '列名5': 'newname_5', # 没有列名的情况 'Unnamed: 10': 'newname_6',}new_fields = list(columns_map.values())pf.drop(['序号', '替代', '签名'], axis=1, inplace=True)pf.rename(columns=columns_map, inplace=True)pf = pf[new_fields]pf.fillna('Unknown', inplace=True)# pd.set_option('display.max_columns', None)# print(smt)pf_dict = pf.to_dict(orient='records')

补充:python pandas replace 0替换成nan,bfill/ffill

0替换成nan

一般情况下,0 替换成nan会写成

df.replace(0, None, inplace=True)

然而替换不了,应该是这样的

df.replace(0, np.nan, inplace=True)

nan替换成前值后值

df.ffill(axis=0) # 用前一个值替换df.bfill(axis=0) # 用后一个值替换

以上为个人经验,希望能给大家一个参考,也希望大家多多支持。如有错误或未考虑完全的地方,望不吝赐教。

声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。

相关文章