python预处理excel数据

1. 安装pandas库：在命令行输入pip install pandas

2. 导入pandas库：import pandas as pd

3. 读取excel文件：使用pandas的read_excel方法读取excel文件，并将其存储为DataFrame格式

df = pd.read_excel('文件名.xlsx')

4. 查看数据：使用head方法查看前几行数据，使用tail方法查看后几行数据，使用shape方法查看数据的行数和列数

df.head() #查看前几行数据
df.tail() #查看后几行数据
df.shape #查看数据的行数和列数

5. 数据清洗：对数据进行清洗，包括缺失值处理、重复值处理、异常值处理等

缺失值处理：

df.dropna() #删除包含缺失值的行
df.fillna(value) #将缺失值填充为指定值

重复值处理：

df.drop_duplicates() #删除重复行

异常值处理：

df = df[(df['列名'] > 下限) & (df['列名'] < 上限)] #删除指定列中不在指定范围的值

6. 数据转换：对数据进行转换，包括数据类型转换、计算新列等

数据类型转换：

df['列名'] = df['列名'].astype('新数据类型') #将指定列转换为新的数据类型

计算新列：

df['新列名'] = df['列1'] + df['列2'] #将列1和列2相加并存储为新的列

7. 数据分析：对数据进行分析，包括统计分析、可视化等

统计分析：

df.describe() #查看数据的统计特征
df.groupby('列名').mean() #以指定列为分组依据，计算每组的均值

可视化：

import matplotlib.pyplot as plt

df.plot(x='列1', y='列2', kind='scatter') #绘制散点图
plt.show()