7 使用Pandas库操作Excel之数据筛选与处理

在上一篇文章中，我们介绍了如何使用Pandas库将数据写入Excel文件。这一章将深入探讨如何使用Pandas库对Excel中的数据进行筛选与处理。通过一些实际案例，我们将学习常用的筛选与处理方法，使你能够更加高效地处理Excel数据。

1. 数据读取

在开始进行数据筛选与处理之前，我们首先需要从Excel文件中读取数据。以下是一个简单的示例，展示了如何使用Pandas读取Excel文件：

import pandas as pd

# 读取Excel文件
df = pd.read_excel('data.xlsx')

# 显示前五行数据
print(df.head())

在这个代码示例中，pd.read_excel()函数被用来读取名为data.xlsx的Excel文件，读取的数据存储在DataFrame对象df中。

2. 数据筛选

一旦数据被读取到DataFrame中，我们即可对其进行各种筛选操作。以下是一些常见的筛选方法：

2.1 根据条件筛选

假设我们有一个包含员工信息的Excel文件，其中包含姓名, 年龄, 部门, 薪资等字段。我们想要筛选出薪资超过5000的员工，可以使用如下代码：

# 筛选薪资超过5000的员工
high_salary_df = df[df['薪资'] > 5000]

print(high_salary_df)

在此示例中，df['薪资'] > 5000返回一个布尔索引，df[...]则根据这个索引筛选出符合条件的行。

2.2 多条件筛选

如果想要进一步筛选出薪资超过5000且部门为’销售部’的员工，可以使用&运算符组合多个条件：

# 筛选薪资超过5000且部门为'销售部'的员工
filtered_df = df[(df['薪资'] > 5000) & (df['部门'] == '销售部')]

print(filtered_df)

请注意，在多条件筛选时，每个条件需要用括号括起来，以确保正确的运算顺序。

3. 数据处理

在筛选出所需数据后，通常还需要对数据进行处理。以下是几个常见的数据处理操作：

3.1 计算新列

可以很容易地在DataFrame中添加新列。例如，计算每个员工的年薪（假设薪资是月薪）：

# 添加年薪列
df['年薪'] = df['薪资'] * 12

print(df[['姓名', '薪资', '年薪']])

3.2 删除列

如果需要删除不再需要的列，可以使用drop()方法。例如，删除年龄列：

# 删除年龄列
df = df.drop(columns=['年龄'])

print(df.head())

4. 数据分组与聚合

在数据分析中，经常需要对数据进行分组并进行聚合操作。使用groupby()方法可以轻松实现在某一列上进行分组，并结合聚合函数如mean()、sum()等。

示例：计算不同部门的平均薪资：

# 按部门分组，计算平均薪资
average_salary = df.groupby('部门')['薪资'].mean()

print(average_salary)

5. 结果输出

完成数据筛选与处理后，如果希望将结果写入新的Excel文件，可以使用to_excel()方法：

# 将筛选后的结果写入新文件
filtered_df.to_excel('filtered_data.xlsx', index=False)

这将把筛选后的结果保存为filtered_data.xlsx，并且不包括行索引。

结语

在这一章中，我们探讨了如何使用Pandas库对Excel数据进行筛选与处理，从基本的读取、筛选到数据处理、分组及结果输出。通过掌握这些技能，你能够在数据分析中更加游刃有余。

接下来，我们将在下一篇中介绍openpyxl库的基本用法，这将帮助你进一步掌握Excel的自动化处理技巧。希望你能继续跟随我们的系列教程，一步步深入理解Excel的自动化操作！