再見(jiàn)excel，pandas實(shí)現(xiàn)表格最常用的10個(gè)函數(shù)

人人都可以簡(jiǎn)單入門(mén)Python、爬蟲(chóng)、數(shù)據(jù)分析
 簡(jiǎn)說(shuō)Python推薦 
來(lái)源：python數(shù)據(jù)分析之禪
作者：小dull鳥(niǎo)

大家好，我是老表，今天給大家分享一篇pandas實(shí)現(xiàn)excel函數(shù)功能的文章，如果學(xué)習(xí)get了，記得文末留言get!

pandas是個(gè)功能很強(qiáng)大的函數(shù)，對(duì)經(jīng)常使用excel進(jìn)行數(shù)據(jù)處理的朋友很有幫助

今天教大家如何用pandas實(shí)現(xiàn)excel中最常見(jiàn)的10個(gè)函數(shù)，大大提高你的工作效率

首先我們用pandas讀取數(shù)據(jù)：

import pandas as pd
data=pd.read_csv('成績(jī)表.csv',encoding='gbk')
data

一、6個(gè)基礎(chǔ)函數(shù)

1.求和函數(shù)--sum()

pandas計(jì)算每名同學(xué)的總分：

data['總分']=data.sum(axis=1) #axis=1代表對(duì)行進(jìn)行求和
data

求語(yǔ)文總分：

data.sum(axis=0,numeric_only=True) #axis=0代表對(duì)列進(jìn)行求和，numeric_only=True表示只對(duì)數(shù)字求和

語(yǔ)文     689.0
數(shù)學(xué)     727.0
英語(yǔ)     712.0
總分    2128.0
dtype: float64

2.最小值函數(shù)--min()

pandas計(jì)算總分最低分：

data['總分'].min()

197.0

3.最大值函數(shù)--max()

pandas計(jì)算總分最高分：

data['總分'].max()

275.0

4.平均值函數(shù)--mean()

pandas計(jì)算英語(yǔ)成績(jī)平均分：

data['英語(yǔ)'].mean()

79.11111111111111

5.計(jì)數(shù)函數(shù)--count()

pandas統(tǒng)計(jì)共有多少同學(xué)：

data['姓名'].count()

9

6.條件函數(shù)--IF()

將總分大于270分的判為優(yōu)秀,小于270分判為良好:

data['等級(jí)']=data.總分.apply(lambda x:'優(yōu)秀' if x >= 270 else '良好')
data

二、4個(gè)進(jìn)階函數(shù)

7.提取文本中的數(shù)字--MIDB()函數(shù)

在excel中實(shí)現(xiàn)如下圖：

我們用pandas也可輕松實(shí)現(xiàn)：

data['考生num']=data['考生號(hào)'].str.extract('(\d{4})')
data

8.計(jì)算每名學(xué)生的年齡--DATEDIF()函數(shù)

excel用實(shí)現(xiàn)如下圖：

pandas稍微復(fù)雜一些:

import datetime as dt
now_year =dt.datetime.today().year #當(dāng)前的年份
data['出生年月']=pd.to_datetime(data['出生年月'])
data['年齡']=now_year-data.出生年月.dt.year
data

9.條件統(tǒng)計(jì)函數(shù)--COUNTIF()函數(shù)

excel實(shí)現(xiàn)如下圖：

pandas實(shí)現(xiàn)代碼如下：

data.apply(lambda x : sum(data['性別']=='女'),axis =0)

考生號(hào)      3
姓名       3
性別       3
出生年月     3
語(yǔ)文       3
數(shù)學(xué)       3
英語(yǔ)       3
總分       3
等級(jí)       3
考生num    3
年齡       3
dtype: int64

10.vlookup函數(shù)

花名冊(cè)表格如下：

data1 = pd.read_csv('花名冊(cè).csv',encoding='gbk')
data1

成績(jī)單表格如下:

data2 = pd.read_csv('成績(jī)單.csv',encoding='gbk')
data2

合并后的表格：

data3 = pd.merge(data1,data2[['考生號(hào)','語(yǔ)文','數(shù)學(xué)','英語(yǔ)']],how = 'left',on = '考生號(hào)')
data3