一、思考
1.Pandas是什么？
- 功能极其强大的数据分析库
-
可以高效地操作各种数据集
- csv格式的文件
- Excel文件
- HTML文件
- XML格式的文件
- JSON格式的文件
- 数据库操作
2.经典面试题
通过面试题引出主题，读者可以思考，如果你遇到这题，该如何解答呢？
二、使用pandas来操作Excel文件
1.安装
a.通过Pypi来安装
pip install pandas
b.通过源码来安装
git clone git://github.com/pydata/pandas.git
cd pandas
python setup.py install
2.按列读取数据
案例中的 lemon_cases.xlsx 文件内容如下所示：
import pandas as pd
# 读excel文件
# 返回一个DataFrame对象，多维数据结构
df = pd.read_excel('lemon_cases.xlsx', sheet_name='multiply')
print(df)
# 1.读取一列数据
# df["title"] 返回一个Series对象，记录title这列的数据
print(df["title"])
# Series对象能转化为任何序列类型和dict字典类型
print(list(df['title'])) # 转化为列表
# title为DataFrame对象的属性
print(list(df.title)) # 转化为列表
print(tuple(df['title'])) # 转化为元组
print(dict(df['title'])) # 转化为字典，key为数字索引
# 2.读取某一个单元格数据
# 不包括表头，指定列名和行索引
print(df['title'][0]) # title列，不包括表头的第一个单元格
# 3.读取多列数据
print(df[["title", "actual"]])
3.按行读取数据
import pandas as pd
# 读excel文件
df = pd.read_excel('lemon_cases.xlsx', sheet_name='multiply') # 返回一个DataFrame对象，多维数据结构
print(df)
# 1.读取一行数据
# 不包括表头，第一个索引值为0
# 获取第一行数据，可以将其转化为list、tuple、dict
print(list(df.iloc[0])) # 转成列表
print(tuple(df.iloc[0])) # 转成元组
print(dict(df.iloc[0])) # 转成字典
print(dict(df.iloc[-1])) # 也支持负索引
# 2.读取某一个单元格数据
# 不包括表头，指定行索引和列索引（或者列名）
print(df.iloc[0]["l_data"]) # 指定行索引和列名
print(df.iloc[0][2]) # 指定行索引和列索引
# 3.读取多行数据
print(df.iloc[0:3])
4.iloc和loc方法
import pandas as pd
# 读excel文件
df = pd.read_excel('lemon_cases.xlsx', sheet_name='multiply') # 返回一个DataFrame对象，多维数据结构
print(df)
# 1.iloc方法
# iloc使用数字索引来读取行和列
# 也可以使用iloc方法读取某一列
print(df.iloc[:, 0])
print(df.iloc[:, 1])
print(df.iloc[:, -1])
# 读取多列
print(df.iloc[:, 0:3])
# 读取多行多列
print(df.iloc[2:4, 1:4])
print(df.iloc[[1, 3], [2, 4]])
# 2.loc方法
# loc方法，基于标签名或者索引名来选择
print(df.loc[1:2, "title"]) # 多行一列
print(df.loc[1:2, "title":"r_data"]) # 多列多行
# 基于布尔类型来选择
print(df["r_data"] > 5) # 某一列中大于5的数值为True，否则为False
print(df.loc[df["r_data"] > 5]) # 把r_data列中大于5，所在的行选择出来
print(df.loc[df["r_data"] > 5, "r_data":"actual"]) # 把r_data到actual列选择出来
5.读取所有数据
import pandas as pd
# 读excel文件
df = pd.read_excel('lemon_cases.xlsx', sheet_name='multiply') # 返回一个DataFrame对象，多维数据结构
print(df)
# 读取的数据为嵌套列表的列表类型，此方法不推荐使用
print(df.values)
# 嵌套字典的列表
datas_list = []
for r_index in df.index:
datas_list.append(df.iloc[r_index].to_dict())
print(datas_list)
6.写入数据
import pandas as pd
# 读excel文件
df = pd.read_excel('lemon_cases.xlsx', sheet_name='multiply') # 返回一个DataFrame对象，多维数据结构
print(df)
df['result'][0] = 1000
print(df)
with pd.ExcelWriter('lemon_cases_new.xlsx') as writer:
df.to_excel(writer, sheet_name="New", index=False)
三、使用pandas来操作csv文件
1.读取csv文件
案例中的 data.log 文件内容如下所示：
TestID,TestTime,Success
0,149,0
1,69,0
2,45,0
3,18,1
4,18,1
import pandas as pd
# 读取csv文件
# 方法一，使用read_csv读取，列与列之间默认以逗号分隔（推荐方法）
# a.第一行为列名信息
csvframe = pd.read_csv('data.log')
# b.第一行没有列名信息，直接为数据
csvframe = pd.read_csv('data.log', header=None)
# c.第一行没有列名信息，直接为数据，也可以指定列名
csvframe = pd.read_csv('data.log', header=None, names=["Col1", "Col2", "Col3"])
# 方法二，read_table，需要指定列与列之间分隔符为逗号
csvframe = pd.read_table('data.log', sep=",")
2.解答面试题
import pandas as pd
# 1.读取csv文件
csvframe = pd.read_csv('data.log')
# 2.选择Success为0的行
new_csvframe = csvframe.loc[csvframe["Success"] == 0]
result_csvframe = new_csvframe["TestTime"]
avg_result = round(sum(result_csvframe)/len(result_csvframe), 2)
print("TestTime最小值为：{}\nTestTime最大值为：{}\nTestTime平均值为：{}".
format(min(result_csvframe), max(result_csvframe), avg_result))
四、总结
- 在数据分析、数据可视化领域，Pandas的应用极其广泛；在大规模数据、多种类数据处理上效率非常高
- 在软件测试领域也有应用，但如果仅仅用excel来存放测试数据，使用Pandas就有点 “杀鸡焉用宰牛刀” 的感觉，那么建议使用特定的模块来处理（比如 openpyxl ）
