A. jupyter notebook中怎么读取excel内容
键入命令jupyter notebook之后Jupyter Notebook服务就会启动,并在电脑默认浏览器里打开首页并显示当前工作目录的文件在命令提示符窗口使用Control-C
B. Pandas读取excel时报错，excel表格不能被指定，是什么原因
Pandas读取excel时报错，excel表格不能被指定，原因：文件在电脑中不存在，请检查该路径的合法性。
读取Excel文件，指定列需要在软件中点击文档表格插入开启，然后找到信息指定功能，选定文件进行文件的行列，对比标定列项来进行读取。如果打开Excel时，出现对话框提示“不能读取文件”。点击确定后，会出现新对话框，再次点击确定才能打开Excel。
数据结构
Series：一维数组，与Numpy中的一维array类似。二者与Python基本的数据结构List也很相近。Series如今能保存不同种数据类型，字符串、boolean值、数字等都能保存在Series中。
Time- Series：以时间为索引的Series。
DataFrame：二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器。
Panel ：三维的数组，可以理解为DataFrame的容器。
C. python将txt导入到excel
你说的是使用python读取dat，txt类型文件或excel文件吧，这里我不清楚dat类型文件是什么类型的文件，数据格式是怎样的，所以主要讲一下如何简单快捷的读取txt文件指定的列数据和excel文件指定的列数据，主要用到numpy，pandas这两个包，这两个主要做科学计算和数据处理，python处理实验数据，经常要用到这两个包，至于dat类型的文件，我提供一种可能的思路，实验环境win7+python3.6+pycharm，主要步骤如下：1.读取txt文件指定列。这里主要用到numpy这个包，以及其包含的loadtxt函数，读取的前提是txt文件不是完全的杂乱无章，没有一点格式、结构可循，如果真的是这样，建议手动调整一下格式，使其尽量保持一定的格式结果，然后再读取，不然的话，会出现错误，我这里新建了一个txt文件，样本内容如下，每行的数据以3个空格为间隔，一般情况下，实验所产生的txt数据都是有一定结构的：对应读取的代码如下，这里以读取1，3列数据为例，很简单：程序运行结果如下，已经成功打印出1，3列数据：2.读取excel文件指定的列。这里主要用到pandas这个包，以及其包含的read_excel函数，因为excel数据本来就是有一定格式的，所以读起来就简单了许多，这里我新建了一个excel文件，样本数据如下：对应读取的代码如下，这里以读取1，3列数据为例，很简单：程序运行结果如下，已经成功打印出1，3列数据：3.至于dat文件的话，这里提供一种可能思路，如果dat文件可以直接用记事打开的话，并且数据可以正常显示，没有乱码的情况下，有一定的格式可循，可以将其看作一个普通文件，使用python的open函数进行读取，将读取的数据存储在一个list列表中，或者使用特定软件将其转换成txt或excel文件后，再进行读取。如果是特殊类型的文件，这个就不好说了，这里就要自己想办法了。至于后面如何进行可视化绘图，我就不多说了，像matplotlib等数据可视化包都可以。至此，就完成了这3中类型文件的读取，总的来说，实现起来不难，都有现成的包可直接利用，方便了许多，当然你也可以用其他包或者自己来实现，这个就因人而异了，只要能正常的读取实验数据就行，网上也有这方面的资料，你可以参考一下，希望以上分享的内容能对你有所帮助吧。
D. python可以画出excel的图吗
本文主要阐述如何使用python从excel读取数据，并用matplotlib绘制成二维图像。主要知识点为：使用xlrd扩展包读取excel数据使用matplotlib绘制二维图像美化图像，添加标注，注释，显示Latex风格公式，坐标点处透明化处理等技巧适合人群：适合具有Python基础的用户，对于需要书写实验报告，学位论文，发表文章，做PPT报告的学员具有较大价值。开发准备打开Xfce终端，下载并安装的相关依赖 。$ sudo apt-get update$ sudo apt-get install python-dev$ sudo pip install numpy$ sudo apt-get install python-matplotlib$ sudo pip install xlrd$ sudo apt-get install python-sip$ sudo apt-get install libqt4-dev$ sudo apt-get install python-qt4 python-qt4-dev pyqt4-dev-tools qt4-dev-tools遇到是否安装的询问时，输入y，按回车键继续安装。实验步骤1.绘制一个简单图像，测试扩展包安装是否正常。安装完成matplotlib后，运行一个小程序测试其是否正常。我们来绘制一个非常简单的正弦函数。在学习过程中有什么不懂得可以加我的python学习资源qun，855-408-893群里有不错的学习视频教程、开发工具与电子书籍。与你分享python企业当下人才需求及怎么从零基础学习好python，和学习什么内容import numpy as npimport matplotlib.pyplot as pltx = np.linspace(0, 10, 500)dashes = [10, 5, 100, 5] # 10 points on, 5 off, 100 on, 5 offfig, ax = plt.subplots()line1, = ax.plot(x, np.sin(x), ‘–‘, linewidth=2, label=‘Dashes set retroactively‘)line1.set_dashes(dashes)line2, = ax.plot(x, -1 * np.sin(x), dashes=[30, 5, 10, 5], label=‘Dashes set proactively‘)ax.legend(loc=‘lower right‘)plt.show()如果一切正常，应该得到如下显示的图片：2 测试xlrd扩展包从excel中读取数据的过程比较简单，首先从xlrd包导入open_workbook，然后打开excel文件，把每个sheet里的每一行每一列数据都读取出来即可。很明显，这是个循环过程。from xlrd import open_workbookx_data1=[]y_data1=[]wb = open_workbook(‘phase_detector.xlsx‘)for s in wb.sheets(): print ‘Sheet:‘,s.name for row in range(s.nrows): print ‘the row is:‘,row values = [] for col in range(s.ncols): values.append(s.cell(row,col).value) print values x_data1.append(values[0]) y_data1.append(values[1])如果安装包没有问题，这段代码应该能打印出excel表中的数据内容。解释一下 这段代码：打开一个excel文件后，首先对文件内的sheet进行循环，这是最外层循环；在每个sheet内，进行第二次循环，行循环；在每行内，进行列循环，这是第三层循环。在最内层列循环内，取出行列值，复制到新建的values列表内，很明显，源数据有几列，values列表就有几个元素。我们例子中的excel文件有两列，分别对应“角度”和DC值。所以在列循环结束后，我们将取得的数据保存到x_data1和y_data1这两个列表中。
E. numpy+pandas除了效率对比excel还有什么功能上的优势吗
1、如果数据量不大，而且数据以数值为主，处理也是简单的统计，那么两者都挺好用，而且我觉得excel更好，纯粹就是所见即所得。而且即使是简单的创造新函数，或者自动化执行，用vba也能满足而且也足够便捷，语法的劣势没什么不舒服的体现。我团队及，财务数据方面的日常整理，统计和分析，以及核算底稿的生成，全都是vba，老少咸宜，完全没必要用别的工具。2、如果需要灵活在各种显示范式中切换，切片，分组，聚合，索引，排序，并且结合各种统计函数的使用等，还是python比较合适。例如groupby的大部分基础功能通过excel透视分组筛选等也能实现，但是如果结合各种函数的使用，就远比excel灵活了，excel菜单或者vba的透视表函数，都远没有这个灵活度。我自己在整理数据，从不断分组，切片，排序和统计中寻找分析思路时，就喜欢用python不断进行各种尝试，观察数据结果，我想如果我用excel的话，会繁杂和混乱得多。所以我需要用量比较大的业务数据做分析时，我一般不用excel。3、如果需要用复杂些的统计计量方法，excel远不能满足。有时候非要用vba去编写也可以，但效率会低10 倍不止，你随便找本统计书找个计量模型，按照它的公式写写代码就体会到了。不过这个在python上不仅这两个模块了，还有statsmodels等。我有时候对这些模块的函数不太熟悉，也懒得去看文档，有时候为了计算个指标，我也会用matlab，eviews等工具。只是这类计算器没有python那么强大的基础数据规整能力，而更适合用作数值计算。4、如果数据不仅仅是数值型的，还有日期型，文本型（特别是多项信息长文本组成的值），用excel处理也很麻烦。把文本转化为虚拟变量准备回归，把多种多样的同义异形文本统一形式，把日期整理整齐统一口径准备做时间序列模型分析等等，用excel够累的，还不只要要插入几列做过程处理才够用。5、涉及到web的数据分析，别养成用vba摘取网络数据的坏习惯，代码写到手抽筋。这个不展开了，我用得少，但是试过用vba写，的确让我没耐心，体检印象不好。6、如果分析还涉及图形处理，跟其他程序的各种接口等，还是用边界更宽的python吧，毕竟excel只是个强大的孤岛，走出去拥抱其他不太容易。
F. 分析excel和python在处理数据时各自的优劣点
两者都是数据分析处理工具，excel上手简单，操作界面人性化，小批量数据处理神器；python需要点编程基础，安装步骤、导入库、编译器、语法让很多人不懂了，但它在扩展性强，存在大量外部扩展库，什么批量合并excel工作簿、批量发送邮件、自动化生成报表之类，虽然这些excel都可以，但涉及到VB语言，远不及python语法简单；但是如果一份几百条数据，需要统计一个结果，excel插入透视表，分类汇总两步搞定，你非要用python，先是导入pandas/numpy,又是xlrd，接着又是groupby，一顿操作猛如虎，看着十分高大上，人家excel2秒钟早已搞定；数据处理：两者都很熟练的情况下，不考虑数据数量，基本平分秋色，excel成熟体系的快捷键、功能；python丰富的各类外部库；数据分析：这个的话excel虽然有规划求解、方差分析、T检验之类的工具，但是你要搞个k-mean聚类、决策树之类的，excel是不行的，还有就是处理数据级与运行效率的问题，excel单表100W，能处理得差不多就二三十万，多了就卡死了，python就不存在这个问题。总而言之，公司日常报表，财务类、考勤类、部门小组业绩类，这些基本excel就可以搞定，但你要搞大数据分析，随随便便几百万条数据，excel表示心有余而力不足。
G. python实现excel合并
Created on Mon Mar 16 11:23:05 2015@author: admin"""# 分批次运行，先得到books， 再运行，利用print 来debugimport pandas as pdimport numpy as npimport matplotlib as plimport oscount=0#ori_path='xx'ori_path='C:\Python27\data\sample'def get_xls_books(ori_path): # get target filename and dir of a pathtemp = list(os.walk(ori_path)) #tmp is list ,tmp[0]该目录文件路径和文件名， tmp[1]:子目录文件路径，文件名称book_path=[]book_name=[]root=temp[0][0]for i in temp[0][2]:if os.path.splitext(i)[1] == '.xlsx': #splite filenameobj_path=os.path.join(root,i)book_path.append(obj_path)book_name.append(os.path.splitext(i)[0])return zip(book_path, book_name)def get_xls_sheets(obj_path): #get all sheets of a object pathxls=pd.ExcelFile(obj_path)sheet_names=xls.sheet_namessheets=[xls.parse(i) for i in range(0,len(sheet_names)) ] # use parse can get dataframe saved into a listreturn zip(sheet_names,sheets)books=get_xls_books(ori_path) # book paths list#xls=pd.ExcelFile(books[0])#print xls.parse(0).columnsfor book in books: # this loop get a bookbookname=book[1]bookpath=book[0]sheets=get_xls_sheets(bookpath) # get all sheets and names from book pathfor i in range(len(sheets)): #operate each sheet, is range(len) not lensheetname=sheets[i][0]name=bookname+'-'+sheetname+'.'+'csv'pd_sheet=sheets[i][1] # dataFramecols=pd_sheet.columnspdf=pd_sheet[[cols[17],cols[18],cols[4],cols[6],cols[8],cols[10],cols[19],cols[16]]] # use emunerate functionpdf.columns=['area','patch','wangdian','operator','custid','servid','servtype','is_identify'] # renamepdf1=pdf[pdf['is_identify']=='是'] #filterpdf2=pdf1.drop('is_identify',1)pdf2.to_csv(os.path.join(ori_path,name), header=None, index=None)
H. 如何用pandas处理excel数据
我要介绍的第一项任务是把某几列相加然后添加一个总和栏。首先我们将excel 数据 导入到pandas数据框架中。import pandas as pdimport numpy as npdf = pd.read_excel("excel-comp-data.xlsx")df.head()
I. PYTHON关于excel和csv转换
Python处理csv文件时经常会用到讲csv文件整体读取为一个数组或者矩阵的情况，借助numpy包，可以使用如下代码简洁高效低实现： [python] view plain import numpy my_matrix = numpy.loadtxt(open("c:\\1.csv","rb"),delimiter=",",skiprows=0) 将数组或者矩阵存储为csv文件可以使用如下代码实现： [python] view plain numpy.savetxt('new.csv', my_matrix, delimiter = ',')
未经允许不得转载：山九号 » numpy文件处理excel|jupyter notebook中怎么读取excel内容
