Python Pandas操作Excel：DataFrame列处理与实战示例

本篇文章主要介绍了如何使用Python的pandas库对Excel文件进行操作，特别关注DataFrame对象中列（Column）的处理。pandas的DataFrame是一个强大的数据结构，它的每一行或列都表现为一个Series对象，这使得数据处理和分析变得高效。 首先，我们学习了如何读取Excel文件，例如使用`pd.read_excel()`函数导入数据，如文件'./excel-comp-data.xlsx'。通过`type(df1['city'])`检查，可以确认数据列的类型为`pandas.core.series.Series`，这体现了pandas基于numpy进行底层数据操作的特点，所有计算都是针对整个列进行的。 对于数据操作，文章展示了如何增加新的计算列。例如，通过将不同月份的数据相加，如`df1['Total'] = df1['Jan'] + df1['Feb'] + df1['Mar']`，可以轻松地在DataFrame中创建新的数据项。这里的加法操作是利用Series的性质，可以逐元素进行。 接下来，文章涉及条件计算列的创建。在pandas中，可以使用`numpy.where()`函数来根据特定条件应用不同的值，如根据'(total'列大于200,000)设置类别为'A'，否则为'B'，即`df1['category'] = np.where(df1['total'] > 200000, 'A', 'B')`。 在调整列的位置时，文章提到了`dataframe.insert()`方法。这种方法允许我们在DataFrame的指定位置插入新的列，比如在现有的'state'列之后添加列'abbreviation'，这与Excel中的插入操作相似，但更具灵活性。 总结来说，这篇文章详细展示了如何使用pandas对Excel数据进行增删改查，包括创建计算列、条件计算和调整列位置等基本操作，这对于理解和处理大量Excel数据具有实际指导意义。对于初学者或进阶用户，熟练掌握这些操作技巧能极大地提高数据处理效率。