pandas.read_excel

pandas.read_excel API

pandas.read_excel(io, sheet_name=0, header=0, names=None, index_col=None) 讀取Excel文件并轉化為DataFrame結構

Parameters

io: str, bytes, ExcelFile, xlrd.Book, path object, or file-like object

header: int, list of int, default 0
默認將第0行設置為DataFrame的列標簽，也可指定任一行為列標簽；如果excel文件中沒有列標簽，則將其設置為None

index_col: int, list of int, default None
默認用序列[0-n]作為DataFrame的行標簽

Example

新建一個temp.xlsx文件

import pandas as pd pd.read_excel('./temp.xlsx')Name Value 0 string1 1 1 string2 2 2 #Comment 3 df = pd.read_excel('./temp.xlsx', index_col=None, header=0) print(df) df.shapeName Value 0 string1 1 1 string2 2 2 #Comment 3 (3, 2)

pandas中，行列標簽不計入df的shape中

pandas.DataFrame.set_index

pandas.DataFrame.set_index API:

DataFrame.set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False) 將已存在的列設置為DataFrame的行標簽

Parameters

1. keys: label or array-like or list of labels/arrays 這個參數可以是單個列標簽、含有多個列標簽的列表、與DataFrame行數相同的一維Series數組、含有列標簽和Series數組的列表……2. drop: bool, default True 刪除原先的列，并將其作為新的行索引

Example

import pandas as pd df = pd.DataFrame({'month': [1, 4, 7, 10],'year': [2012, 2014, 2013, 2014],'sale': [55, 40, 84, 31]}) dfmonth year sale 0 1 2012 55 1 4 2014 40 2 7 2013 84 3 10 2014 31 df.set_index('month')year sale month 1 2012 55 4 2014 40 7 2013 84 10 2014 31 df.set_index([pd.Index([1, 2, 3, 4]), 'year'])month saleyear 1 2012 1 55 2 2014 4 40 3 2013 7 84 4 2014 10 31

numpy.sum()

numpy.sum() API
在某個axis上對numpy數組求和

sum(a, axis=None, dtype=None, out=None, keepdims=np._NoValue)

a是求和對象
axis=0: 沿著行做垂直方向的運算,將Numpy數組壓縮成一行
axis=1: 沿著列做水平方向的運算,將Numpy數組壓縮成一列

閱讀文章: numpy.sum()的使用

pandas.DataFrame.stack

pandas.DataFrame.stack API

stack的意思是堆疊，堆積
DataFrame結構中，表格在行列方向上均有索引，而將DataFrame進行Stack后，只有列方向上的索引，這類似于層次化的Series結構。stack函數會將數據從表格結構變成花括號結構，即將其行索引變成列索引，反之，unstack函數將數據從花括號結構變成表格結構，即要將其中一層的列索引變成行索引。

閱讀文章：python pandas stack和unstack函數

但是將DataFrame進行stack的目的是什么？

總結

以上是生活随笔為你收集整理的Pandas处理Excel文件源码学习的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。