基于Pycharm的Excel文件导入以及数据处理-Toy模板网

这篇具有很好参考价值的文章主要介绍了基于Pycharm的Excel文件导入以及数据处理。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

基于Pycharm的Excel文件导入以及数据处理

用了一天的时间进行学习了利用python进行导入excel文件以及处理数据。由于自己是第一次学习，因此特地将所学知识进行总结与分享。

1.包的选取

据我所知，目前常用处理Excel的包主要包括xlrd、pandas。

xlrd 和 pandas 都是 Python 中用于处理 Excel 文件的库，但它们在功能和使用上有一些重要的异同点。

异同点：

1.1 功能和用途：

xlrd 是一个库，主要用于读取 Excel 文件的内容。它提供了一种基本的方式来从 Excel 文件中提取数据，但不支持写入或修改 Excel 文件。
pandas 是一个强大的数据处理库，其中包含用于读取和写入 Excel 文件的功能，以及各种数据处理和分析工具。它可以用于读取、处理、分析和写入 Excel 数据，同时还支持多种数据格式和操作。

1.2. 数据结构：

xlrd 以一种较为低级的方式返回 Excel 数据，通常是原始的行和列数据。
pandas 使用自定义的数据结构，主要是 DataFrame 和 Series，它们更适合数据分析和操作。DataFrame 是一个表格数据结构，可以容纳多种数据类型，而 Series 是一维数组，通常用于表示单列数据。

1.3. 数据处理：

xlrd 提供了基本的读取功能，但如果需要进行更复杂的数据操作，需要编写额外的代码。
pandas 提供了丰富的数据处理和操作功能，包括数据过滤、转换、聚合、合并、透视等，使得处理和分析数据变得更加简单和高效。

1.4. 性能：

xlrd 通常比 pandas 更快，因为它是专门用于读取 Excel 数据的库，没有额外的数据结构和操作的开销。
pandas 在处理大型数据集时可能会稍慢，因为它提供了更多的功能和抽象。

选择适合的库：

如果您只需要读取 Excel 文件的内容，并且对数据进行简单的查看或提取操作，xlrd 可能是一个合适的选择，因为它更轻量级且性能较好。
如果您需要进行更复杂的数据处理、分析和转换操作，或者需要将 Excel 数据与其他数据源集成，那么 pandas 是更强大和灵活的工具，它提供了更多的功能来满足您的需求。

通常，根据您的具体需求和项目复杂性，您可以选择使用 xlrd、pandas，或两者结合使用，以便充分利用它们的优势。

2.基于xlrd、pandas包进行讲解

现在对两种包处理数据进行分别说明:

2.1 Xlrd包

xlrd包比较老旧，只能处理后缀为.xls的文件，而pandas包则可以处理更多格式，比较新。文章来源地址https://www.toymoban.com/news/detail-723003.html

import xlrd
book = xlrd.open_workbook('SOWC_2014_Stat_Tables_Table_9.xls')
sheet = book.sheet_by_name('Table 9 ')
data = {}
for i in range(14, sheet.nrows):
# 从第14行开始，因为这是国家数据的起点。 ➋
  row = sheet.row_values(i)
  country = row[1]
  data[country] = {
  'child_labor': {
  'total': [row[4], row[5]],
  'male': [row[6], row[7]],
  'female': [row[8], row[9]],
  },
  'child_marriage': {
  'married_by_15': [row[10], row[11]],
  'married_by_18': [row[12], row[13]],
  }
}
  if country == 'Zimbabwe':
    break #中断程序
import pprint
pprint.pprint(data)

2.2 Pandas包

import pandas as pd
import pprint

# 读取Excel文件
df = pd.read_excel('SOWC_2014_Stat_Tables_Table_9.xls', sheet_name='Table 9 ', skiprows=13)  # skiprows=14
data = {}  # 创建一个空字典
# print(df)
for row in range(200):  # 遍历df的每一行
  row_data = df.iloc[row]
  country = row_data[0]
  # print(country)
  data[country] = {
    'child_labor': {
      'total': [row_data[4], row_data[5]],
      'male': [row_data[6], row_data[7]],
      'female': [row_data[8], row_data[9]],
    },
    'child_marriage': {
      'married_by_15': [row_data[10], row_data[11]],
      'married_by_18': [row_data[12], row_data[13]],
    }
  }
pprint.pprint(data)
# # 创建一个空字典