怎樣用python分析excle

❶ 利用python處理Excel數據

如果數據沒有標題行，可用pandas添加默認的列名

不讀取哪裡數據，可用skiprows=[i]，跳過文件的第i行不讀取

第一次出現的保留，其餘刪除

最後一次出現的保留，其餘刪除

** 對客戶聊天記錄進行分組 **

** 對符合多個條件進行分組**

需要對每一行進行權重設置，列錶行數少可行，過多不可行
假設有4行數據，設置采樣權重

自動生成數據的數量，均值，標准差等數據

相關系數在-1到1之間，接近1為正相關，接近-1為負相關，0為不相關

參考書籍：
《利用pythonj進行數據分析》
《從Excel到Python——數據分析進階指南》

❷ 如何用python進行數據分析

1、Python數據分析流程及學習路徑

數據分析的流程概括起來主要是：讀寫、處理計算、分析建模和可視化四個部分。在不同的步驟中會用到不同的Python工具。每一步的主題也包含眾多內容。

根據每個部分需要用到的工具，Python數據分析的學習路徑如下：

相關推薦：《Python入門教程》

2、利用Python讀寫數據

Python讀寫數據，主要包括以下內容：

我們以一小段代碼來看：

可見，僅需簡短的兩三行代碼即可實現Python讀入EXCEL文件。

3、利用Python處理和計算數據

在第一步和第二步，我們主要使用的是Python的工具庫NumPy和pandas。其中，NumPy主要用於矢量化的科學計算，pandas主要用於表型數據處理。

4、利用Python分析建模

在分析和建模方面，主要包括Statsmdels和Scikit-learn兩個庫。

Statsmodels允許用戶瀏覽數據，估計統計模型和執行統計測試。可以為不同類型的數據和每個估算器提供廣泛的描述性統計，統計測試，繪圖函數和結果統計列表。

Scikit-leran則是著名的機器學習庫，可以迅速使用各類機器學習演算法。

5、利用Python數據可視化

數據可視化是數據工作中的一項重要內容，它可以輔助分析也可以展示結果。

❸ Python處理Excel效率高十倍(下篇)通篇硬幹貨，再也不用加班啦

《用Python處理Excel表格》下篇來啦！

身為工作黨或學生黨的你，平日里肯定少不了與Excel表格打交道的機會。當你用Excel處理較多數據時，還在使用最原始的人工操作嗎？現在教你如何用Python處理Excel，從此處理表格再也不加班，時間縮短數十倍！

上篇我們進行了一些事前准備，目的是用Python提取Excel表中的數據。而這一篇便是在獲取數據的基礎上，對Excel表格的實操處理。

第9行代碼用來指定創建的excel的活動表的名字：
·不寫第9行，默認創建sheet
·寫了第9行，創建指定名字的sheet表

第9行代碼，通過給單元格重新賦值，來修改單元格的值
第9行代碼的另一種寫法sheet['B1'].value = 'age'
第10行代碼，保存時如果使用原來的（第7行）名字，就直接保存；如果使用了別的名字，就會另存為一個新文件

插入有效數據
使用append()方法，在原來數據的後面，按行插入數據

·insert_rows(idx=數字編號, amount=要插入的行數)，插入的行數是在idx行數的下方插入
·insert_cols(idx=數字編號, amount=要插入的列數)，插入的位置是在idx列數的左側插入

·delete_rows(idx=數字編號, amount=要刪除的行數)
·delete_cols(idx=數字編號, amount=要刪除的列數)

move_range(「數據區域」,rows=,cols=)：正整數為向下或向右、負整數為向左或向上

舉個例子：

openpyxl.styles.Font(name=字體名稱,size=字體大小,bold=是否加粗,italic=是否斜體,color=字體顏色)
其中，字體顏色中的color是RGB的16進製表示

再者，可以使用for循環，修改多行多列的數據，在這里介紹了獲取的方法

Alignment(horizontal=水平對齊模式,vertical=垂直對齊模式,text_rotation=旋轉角度,wrap_text=是否自動換行)
水平對齊：『distributed』，『justify』，『center』，『left』， 『centerContinuous』，'right，『general』
垂直對齊：『bottom』，『distributed』，『justify』，『center』，『top』

當然，你仍舊可以調用for循環來實現對多行多列的操作

設置行列的寬高：
·row_dimensions[行編號].height = 行高
·column_dimensions[列編號].width = 列寬

合並單元格有下面兩種方法，需要注意的是，如果要合並的格子中有數據，即便python沒有報錯，Excel打開的時候也會報錯。
merge_cells(待合並的格子編號)
merge_cells(start_row=起始行號，start_column=起始列號，end_row=結束行號，end_column=結束列號)

拆分單元格的方法同上
unmerge_cells(待合並的格子編號)
unmerge_cells(start_row=起始行號，start_column=起始列號，end_row=結束行號，end_column=結束列號)

create_sheet(「新的sheet名」)：創建一個新的sheet表

第11行，使用title修改sheet表的名字

remove(「sheet名」)：刪除某個sheet表
要刪除某sheet表，需要激活這個sheet表，即：將其作為活動表（關於活動表的定義請看前面文章開頭寫的有）下面8~11行代碼展示了原始活動表與手動更換活動表，第13行代碼刪掉活動表

背景知識
numpy與pandas
NumPy是 Python 語言的一個擴展程序庫，支持大量的維度數組與矩陣運算，此外也針對數組運算提供大量的數學函數庫；pandas 是基於NumPy 的一種工具，該工具是為解決數據分析任務而創建的，我們需要利用Pandas進行Excel的合並

1.下面的代碼生成了一個5行3列的包含15個字元的嵌套列表
（注意，第4行代碼：15是等於35的，如果是15對應43，或者16對應5*3都會報錯）
（注意，第5行代碼，雖然5行3列是15個數據，但是可以指定數據從1開頭，到16結束）

2.添加表頭
使用pandas庫的DataFrame來添加表頭。關於列印的結果，把最左側的一列去掉之後會發現結果很和諧，這是因為最左側的一列代錶行號。此時xx變數的類型是

xlsxwriter模塊一般是和xlrd模塊搭配使用的，
xlsxwriter：負責寫入數據，
xlrd：負責讀取數據。

1.創建一個工作簿

2.創建sheet表

3.寫入數據

❹ python疫情數據分析怎麼和excel連接

爬取國內疫情數據。data_download()，引用包requests、json。1）訪問網站獲取數據；2）保存數據成json文件

將數據轉存到excel。cpdata_toexcel()，引用包openpyxl、json。
1）從json文件中抽取所需數據，欄位需求：省份、地市、總確診人數、總疑似病例、總死亡人數。

2）創建Excel表，數據保存。

讀取文件數據畫疫情地圖。show_data()，引用包pandas、pyecharts。

❺ python怎麼分析excel中的數據

下面就詳細的講述整個實現過程。
1、在計算機上安裝python（x,y）2.6.6版本。這一步是確保機器上的python開發環境，具體的安裝過程在此就不在贅述，網上相關資料比較多
2、建議安裝一個Notepad++，這樣寫代碼比較方便
3、在Notepad++中進行相關的設置，因為python對行縮進符比較敏感，用Tab鍵和space鍵混合使用，會導致編譯錯誤，程序無法執行；但是一般tab鍵和Space鍵所敲出來的空格是隱藏的，為了編輯方便，就需要在Notepad中將空格符顯示出來。設置如下圖所示。

4、安裝相應的開發包，這里採用的開發包為xlrd-0.9.3包（讀取excel）和xlwt-0.7.5包（存寫excel，只支持.xls格式，不支持.xlsx格式，如果需要.xlsx格式，請下載更高版本的安裝包）。具體的安裝過程在此不再贅述，請詳見點擊打開鏈接http://blog.csdn.net/dxh0907070012/article/details/23967247。
5、為所要處理的excel文件單獨建立一個文件夾。
6、具體代碼如下：

[python] view plain print?
#coding=utf-8
import xlrd
import xlwt
import string
import numpy as np
import os
class OperExcel():
def rExcel(self,inEfile,strfilename,outfile):
rfile=xlrd.open_workbook(inEfile)
table=rfile.sheet_by_index(0)
nrows=table.nrows-1
ncols=table.ncols

stationsheet=xlrd.open_workbook('D://rainfall_deal//stationposition.xlsx')
stationtable=stationsheet.sheet_by_index(0)
nstnrows=stationtable.nrows-1

wb=xlwt.Workbook()
ws=wb.add_sheet('year_month')

month=['1','2','3','4','5','6','7','8','9','10','11','12']

for stationindex in range(1,nstnrows):
eachday_rf=[]
yearsum=0
monthday_rf=[]
eachmon_rf=0
stncode=stationtable.cell(stationindex,0).value
#計算每個站點的年降水總量
for r in range(1,nrows):
if(table.cell(r,0).value==stncode):

❻ 像Excel一樣使用Python（一）

在進行數據處理時，如果數據簡單，數量不多，excel是大家的首選。但是當數據眾多，類型復雜，需要靈活地顯示切片、進行索引、以及排序時，python會更加方便。藉助python中的numpy和pandas庫，它能快速完成各種任務，包括數據的創建、檢查、清洗、預處理、提取、篩選、匯總、統計等。接下來幾篇文章，將以excel為參照，介紹python中數據的處理。

提到pandas，那就不得不提兩類重要的數據結構，Series和DataFrame，這兩類數據結構都是建立在numpy的數組array基礎上。與array相比，Series是一個一維的數據集，但是每個數據元素都帶有一個索引，有點類似於字典。而DataFrame在數組的基礎上，增加了行索引和列索引，類似於Series的字典，或者說是一個列表集。

所以在數據處理前，要安裝好numpy , pandas。接下來就看看如何完成一套完整的數據操作。

創建數據表的方法分兩種，分別是從外部導入數據，以及直接寫入數據。

在python中，也可外部導入xlsx格式文件，使用read_excel()函數：

import pandas as pd

from pandas import DataFrame,Series

data=DataFrame(pd.read_excel('c:/python27/test.xlsx'))

print data

輸出：

Gene Size Function

0 arx1 411 NaN

1 arx2 550 monooxygenase

2 arx3 405 aminotransferase

……

即：調用pandas中read_excel屬性，來讀取文件test.xlsx，並轉換成DataFrame格式，賦給變數data。在每一行後，自動分了一個索引值。除了excel，還支持以下格式文件的導入和寫入：

Python寫入的方法有很多，但還是不如excel方便。常用的例如使用相等長度的字典或numpy數組來創建：

data1 = DataFrame(

{'Gene':['arx1','arx2','arx3'],

'Size':[411,550,405],

'Func':[np.NaN,'monooxygenase','aminotransferase ']})

print data1

輸出

Func Gene Size

0 NaN arx1 411

1 monooxyg arx2 550

2 amino arx3 405

分配一個行索引後，自動排序並輸出。

在python中，可以使用info()函數查看整個數據的詳細信息。

print data.info()

輸出

RangeIndex: 7 entries, 0 to 6

Data columns (total 3 columns):

Gene 7 non-null object

Size 7 non-null int64

Function 5 non-null object

dtypes: int64(1), object(2)

memory usage: 240.0+ bytes

None

此外，還可以通過shape, column, index, values, dtypes等函數來查看數據維度、行列組成、所有的值、 數據類型：

print data1.shape

print data1.index

print data1.columns

print data1.dtypes

輸出

(3, 3)

RangeIndex(start=0, stop=3, step=1)

Index([u'Func', u'Gene', u'Size'], dtype='object')

Func object

Gene object

Size int64

dtype: object

在excel中可以按「F5」，在「定位條件」中選擇「空值」，選中後，輸入替換信息，再按「Ctrl+Enter」即可完成替換。

在python中，使用函數 isnull 和 notnull 來檢測數據丟失, 包含空值返回True，不包含則返回False。

pd.isnull(data1)

pd.notnull(data1)

也可以使用函數的實例方法，以及加入參數，對某一列進行檢查：

print data1['Func'].isnull()

輸出

Func Gene Size

0 True False False

1 False False False

2 False False False

再使用fillna對空值進行填充：

data.fillna(value=0)

#用0來填充空值

data['Size'].fillna(data1['Size'].mean())

#用data1中Size列的平均值來填充空值

data['Func']=data['Func'].map(str.strip)

#清理Func列中存在的空格

Excel中可以按「Ctrl+F」，可調出替換對話框，替換相應數據。

Python中，使用replace函數替換：

data['Func'].replace('monooxygenase', 'oxidase')

將Func列中的'monooxygenase'替換成'oxidase'。

Excel中，通過「數據-篩選-高級」可以選擇性地看某一列的唯一值。

Python中，使用unique函數查看：

print data['Func'].unique()

輸出

[nan u'monooxygenase' u'aminotransferase' u'methyltransferase']

Excel中，通過UPPER、LOWER、PROPER等函數來變成大寫、小寫、首字母大寫。

Python中也有同名函數：

data1['Gene'].str.lower()

Excel中可以通過「數據-刪除重復項」來去除重復值。

Python中，可以通過drop_plicates函數刪除重復值：

print data['Func'].drop_plicates()

輸出

0 NaN

1 monooxygenase

2 aminotransferase

3 methyltransferase

Name: Func, dtype: object

還可以設置「 keep=』last』 」參數，後出現的被保留，先出現的被刪除：

print data['Func'].drop_plicates(keep='last')

輸出

2 aminotransferase

3 methyltransferase

6 monooxygenase

8 NaN

Name: Func, dtype: object

內容參考：

Python For Data Analysis

藍鯨網站分析博客，作者藍鯨（王彥平）

❼ 怎樣用Python處理Excel數據

怎麼在Excel中運行python腳本？這個問題由來已久，很多pythoner都希望直接用python控制Excel，但是只能從外部調用，有沒有一個VBA的東西可以直接在Excel中運行呢？答案是有，DataNitro就是這么一個東西，看看下面Excel中的界面，他就是了

❽ 怎樣在Excel中使用python腳本

一、使用工具：excel、python

二、使用方法和步驟：

1、先安裝python2.7，然後配置環境變數，保證python在該環境中，打開開始菜單，找到計算機，然後右鍵單擊它，選擇【屬性】

三、注意事項：切記不要勾選python，如果通過這種方式安裝python，你原先安裝的python就無法使用了。

❾ 如何用python操作excel

指定選取三列然後挑選出同時滿足>=1或者同時<=-1的 將其所有數據存入新的csv表格中
程序如下：
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Date : 2014-04-10 21:47:56
# @Function: 指定選取三列然後挑選出同時滿足>=1或者同時<=-1的 將其所有數據存入新的csv表格中
# @Author : BeginMan

import os
import string
import xlrd
import xlwt

def get_data():
"""獲取excel數據源"""
file = r'C:\Users\Administrator\Desktop\pytool\xlrd\initial_log_data.xls' # 改成自己的路徑
filepath = raw_input(u'請將xls文件路徑粘貼進去，如果程序里已經指定了文件則按Enter鍵繼續：')
is_valid = False # 驗證文件
try:
filepath = [file, filepath][filepath != '']
print filepath
# 判斷給出的路徑是不是xls格式
if os.path.isfile(filepath):
filename = os.path.basename(filepath)
if filename.split('.')[1] == 'xls':
is_valid = True
data = None
if is_valid:
data = xlrd.open_workbook(filepath)
except Exception, e:
print u'你操作錯誤：%s' %e
return None
return data

def handle_data():
"""處理數據"""
data = get_data()
if data:
col_format = ['B', 'C', 'D'] # 指定的列
inp = raw_input(u'請選擇指定的三列，用逗號分隔，默認的是B,C,D(英文逗號,不區分大小寫)，如果選擇默認則按Enter鍵繼續:\n')
try:
inp = inp.split(',')
col_format = [col_format,inp][len([i for i in inp if i in string.letters]) == 3]
col_format = [i.upper() for i in col_format] # 轉換成大寫
table = data.sheet_by_index(0) # 選取第一個工作區
nrows = table.nrows # 行數
ncols = table.ncols # 列數
str_upcase = [i for i in string.uppercase] # 所有大寫字母
i_upcase = range(len(str_upcase)) # 對應的數字
ncols_dir = dict(zip(str_upcase,i_upcase)) # 格式成字典
col_index = [ncols_dir.get(i) for i in col_format] # 獲取指定列所對應的索引

# 選取的三列是否同時滿足 >=1或者同時<=-1
print u'正在檢索中……'
count = 0
result = []
for i in xrange(nrows):
cell_0 = table.cell(i,col_index[0]).value
cell_1 = table.cell(i,col_index[1]).value
cell_2 = table.cell(i,col_index[2]).value
if (cell_0>=1 and cell_1>=1 and cell_2>=1) or (cell_0<=-1 and cell_1<=-1 and cell_2<=-1):
result.append(table.row_values(i)) # 將符合要求的一行添加進去
count += 1
print u'該文件中共%s行，%s列,其中滿足條件的共有%s條數據' %(nrows, ncols, count)
print u'正在寫入數據……'
col_name = col_format[0]+col_format[1]+col_format[2]
if write_data(result, col_name):
print u'寫入成功！'
except Exception, e:
print u'你操作錯誤：%s' %e
return None
else:
print u'操作失敗'
return None

def write_data(data, name):
"""寫入數據,data為符合條件的數據列表，name表示指定的哪三個列，以此命名"""
file = xlwt.Workbook()
table = file.add_sheet(name,cell_overwrite_ok=True)
l = 0 # 表示行
for line in data:
c = 0 # 表示一行下的列數
for col in line:
table.write(l,c,line[c])
c += 1
l += 1
defatul_f = r'C:\Users\Administrator\Desktop\pytool\xlrd' # 默認路徑
f = raw_input(u'請選擇保存文件的路徑：按回車跳過：')
f_name = r'\%s.xls' % name
filepath = [defatul_f+f_name, f+f_name][f != '']
file.save(filepath)
return True

def main():
handle_data()

if __name__ == '__main__':
main()

❿ 分析excel和python在處理數據時各自的優劣點

兩者都是數據分析處理工具，excel上手簡單，操作界面人性化，小批量數據處理神器；
python需要點編程基礎，安裝步驟、導入庫、編譯器、語法讓很多人不懂了，但它在擴展性強，存在大量外部擴展庫，什麼批量合並excel工作簿、批量發送郵件、自動化生成報表之類，雖然這些excel都可以，但涉及到VB語言，遠不及python語法簡單；但是如果一份幾百條數據，需要統計一個結果，excel插入透視表，分類匯總兩步搞定，你非要用python，先是導入pandas/numpy,又是xlrd，接著又是groupby，一頓操作猛如虎，看著十分高大上，人家excel2秒鍾早已搞定；
數據處理：兩者都很熟練的情況下，不考慮數據數量，基本平分秋色，excel成熟體系的快捷鍵、功能；python豐富的各類外部庫；
數據分析：這個的話excel雖然有規劃求解、方差分析、T檢驗之類的工具，但是你要搞個k-mean聚類、決策樹之類的，excel是不行的，還有就是處理數據級與運行效率的問題，excel單表100W，能處理得差不多就二三十萬，多了就卡死了，python就不存在這個問題。
總而言之，公司日常報表，財務類、考勤類、部門小組業績類，這些基本excel就可以搞定，但你要搞大數據分析，隨隨便便幾百萬條數據，excel表示心有餘而力不足。