今天CDA给大家分享的内容:Pandas遇上Excel会擦出什么样的火花?
作者: 俊欣
来源:关于数据分析与可视化
大家好,又是新的一周。
Excel是我们职场打工人接触最多的办公室软件之一,当中会涉及到很多重复的操作,好在Python为我们提供了很多操作Excel的模块,能够帮助我们极大地提高工作效率,从琐碎的工作时间中抽出身来。
今天我们要介绍的模块是xlsxwriter,它的主要功能是在Excel表格当中插入数据、插入图表,以及进行一系列数据的处理,
直接在命令行中输入
pip install xlsxwriter
或者使用豆瓣镜像
pip install -i https://pypi.douban.com/simple xlsxwriter
安装成功之后,来看一下如何使用
当我们用pandas模块对Excel表格进行处理的时候,需要引用xlsxwriter模块作为内在的引擎。我们来实现一下如何将多个DataFrame数据保存在一张Excel表格当中,并且分成不同的sheet
import pandas as pd # 创建几个DataFrame数据集 df1 = pd.DataFrame({'Data': [11, 13, 15, 17]})
df2 = pd.DataFrame({'Data': [21, 23, 25, 27]})
df3 = pd.DataFrame({'Data': [31, 33, 35, 37]}) # 引入xlsxwriter作为引擎,制作ExcelWriter写入器 writer = pd.ExcelWriter('pandas_multiple.xlsx', engine='xlsxwriter') # 将不同的DataFrame数据集写入不同的sheetd当中 df1.to_excel(writer, sheet_name='Sheet1')
df2.to_excel(writer, sheet_name='Sheet2')
df3.to_excel(writer, sheet_name='Sheet3') # 输出生成的Excel文件 writer.save()
我们就可以在同级目录中看到生成的一个Excel文件,在不同的Sheet当中分别存放着指定的数据集
将多个DataFrame数据集放在同一张Sheet当中,通过当中的参数startcol与startrow,顾名思义就是从哪一行、哪一列开始
df1 = pd.DataFrame({'Data': [11, 13, 15, 17]})
df2 = pd.DataFrame({'Data': [21, 23, 25, 27]})
df3 = pd.DataFrame({'Data': [31, 33, 35, 37]})
df4 = pd.DataFrame({'Data': [41, 43, 45, 47]})
writer = pd.ExcelWriter('pandas_positioning.xlsx', engine='xlsxwriter') # 存放在指定的位置当中 df1.to_excel(writer, sheet_name='Sheet1') # 默认位置是从A1开始的 df2.to_excel(writer, sheet_name='Sheet1', startcol=4)
df3.to_excel(writer, sheet_name='Sheet1', startrow=8) # 当然我们不需要header和index df4.to_excel(writer, sheet_name='Sheet1',
startrow=10, startcol=15, header=False, index=False)
writer.save()
如下图所示
下面我们来看一下,如何利用Pandas来根据表格中的数据绘制柱状图,并且保存在Excel表格当中,在xlsxwriter模块当中有add_chart()方法,提供了9中图表的绘制方法,我们先来看一下柱状图的绘制
df = pd.DataFrame({'Data': [10, 20, 30, 20, 15, 30, 45]})
writer = pd.ExcelWriter('pandas_chart.xlsx', engine='xlsxwriter')
df.to_excel(writer, sheet_name='Sheet1')
workbook = writer.book
worksheet = writer.sheets['Sheet1'] # 绘制柱状图图表 chart = workbook.add_chart({'type': 'column'}) # 根据哪些数据来绘制图表 chart.add_series({'values': '=Sheet1!$B$2:$B$8'}) # 将绘制完成的图表插入到sheet当中 worksheet.insert_chart('D2', chart)
writer.save()
如下图所示
我们只需要针对上面的代码,将type当中的column改成line即可绘制折线图
df = pd.DataFrame({'Data': [10, 20, 30, 20, 15, 30, 45]})
writer = pd.ExcelWriter('pandas_line.xlsx', engine='xlsxwriter')
df.to_excel(writer, sheet_name='Sheet1')
workbook = writer.book
worksheet = writer.sheets['Sheet1'] # 绘制折线图图表 chart = workbook.add_chart({'type': 'line'}) # 根据哪些数据来绘制图表 chart.add_series({'values': '=Sheet1!$B$2:$B$8'}) # 将绘制完成的图表插入到sheet当中 worksheet.insert_chart('D2', chart)
writer.save()
如下图所示
除了折线图与直方图之外,小编也在上面提到,xlsxwriter模块提供了绘制9中图表的方法,分别是
我们仅仅只需要在add_chart()方法当中,填入对应的图表的类型即可
当然图表绘制出来之后,我们还需要添加例如标题、标记等辅助内容,毕竟我们希望绘制出来的图表能够被更多的人给理解,
添加标题是去调用set_title()方法
chart.set_title({'name': '.....'})
添加x轴与y轴上面的标注,需要用到的方法是
chart.set_x_axis({'name': '...'})
chart.set_y_axis({'name': '...'})
我们尝试来绘制一个直方图,并且添加上这些辅助信息
import xlsxwriter
workbook = xlsxwriter.Workbook('chart.xlsx')
worksheet = workbook.add_worksheet() # Create a new Chart object. chart = workbook.add_chart({'type': 'column'}) # 创建数据 data = [
[1, 3, 5, 7, 9],
[2, 4, 6, 8, 10],
[3, 6, 9, 12, 15],
]
worksheet.write_column('A1', data[0])
worksheet.write_column('B1', data[1])
worksheet.write_column('C1', data[2]) # 基于指定的数据集来绘制图表 chart.add_series({'values': '=Sheet1!$A$1:$A$5'})
chart.add_series({'values': '=Sheet1!$B$1:$B$5'})
chart.add_series({'values': '=Sheet1!$C$1:$C$5'}) # 标题与标注 chart.set_title({"name": "直方图"})
chart.set_x_axis({'name': '这个是X轴'})
chart.set_y_axis({'name': '这个是Y轴'}) # 将绘制出来的图表插入到sheet当中 worksheet.insert_chart('A7', chart)
workbook.close()
如下图所示
同时我们还可以将两种图表结合起来,例如是将折线图与直方图这两种图表结合起来绘制,通过内置的combine()方法
chart = workbook.add_chart({'type': 'column'})
chart.add_series({'values': '=Sheet1!$B$2:$B$8'})
line_chart = workbook.add_chart({"type": "line"})
line_chart.add_series({'values': '=Sheet1!$B$2:$B$8'})
chart.combine(line_chart)
如下图所示
我们可以对数据,尤其是一些小数,指定保留例如两位小数,或者是指定位数的小数,代码如下
df = pd.DataFrame({'Numbers': [1010, 2020, 3030, 2020, 1515, 3030, 4545], 'Percentage': [.1, .2, .33, .25, .5, .75, .45 ], }) writer = pd.ExcelWriter("pandas_column_formats.xlsx", engine='xlsxwriter') df.to_excel(writer, sheet_name='Sheet1') workbook = writer.book worksheet = writer.sheets['Sheet1'] # 指定保留小数的位数 format1 = workbook.add_format({'num_format': '#,##0.00'}) format2 = workbook.add_format({'num_format': '0%'}) # 设置列的宽度以及保留小数的位数 worksheet.set_column('B:B', 18, format1) # 不设置列的宽度,但是设置保留小数的位数 worksheet.set_column('C:C', None, format2) writer.save()
如下图所示
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14