python pandas库读取excel/csv中指定行或列数据
更新时间：2022年02月28日 16:14:10 作者：Westin_Li
通过阅读表格,可以发现Pandas中提供了非常丰富的数据读写方法,下面这篇文章主要给大家介绍了关于python利用pandas库读取excel/csv中指定行或列数据的相关资料,需要的朋友可以参考下
引言
关键！！！！使用loc函数来查找。
话不多说，直接演示：
有以下名为try.xlsx表：
1.根据index查询
条件：首先导入的数据必须的有index
或者自己添加吧，方法简单，读取excel文件时直接加index_col
代码示例：
import pandas as pd #导入pandas库 excel_file = './try.xlsx' #导入excel数据 data = pd.read_excel(excel_file, index_col='姓名') #这个的index_col就是index，可以选择任意字段作为索引index，读入数据 print(data.loc['李四'])
打印结果就是
部门 B
工资 6600
Name: 李四, dtype: object
（注意点:索引）
2.已知数据在第几行找到想要的数据
假如我们的表中，有某个员工的工资数据为空了，那我们怎么找到自己想要的数据呢。
代码如下：
for i in data.columns:
for j in range(len(data)):
if (data[i].isnull())[j]:
bumen = data.iloc[j, [0]] #找出缺失值所在的部门
data[i][j] = charuzhi(bumen)
原理很简单，首先检索全部的数据，然后我们可以用pandas中的iloc函数。上面的iloc[j, [2]]中j是具体的位置，【0】是你要得到的数据所在的column
3.根据条件查询找到指定行数据
例如查找A部门所有成员的的姓名和工资或者工资低于3000的人：
代码如下：
"""根据条件查询某行数据""" import pandas as pd #导入pandas库 excel_file = './try.xlsx' #导入文件 data = pd.read_excel(excel_file) #读入数据 print(data.loc[data['部门'] == 'A', ['姓名', '工资']]) #部门为A，打印姓名和工资 print(data.loc[data['工资'] < 3000, ['姓名','工资']]) #查找工资小于3000的人
结果如下：
若要把这些数据独立生成excel文件或者csv文件：
添加以下代码
"""导出为excel或csv文件"""
#单条件
dataframe_1 = data.loc[data['部门'] == 'A', ['姓名', '工资']]
#单条件
dataframe_2 = data.loc[data['工资'] < 3000, ['姓名', '工资']]
#多条件
dataframe_3 = data.loc[(data['部门'] == 'A')&(data['工资'] < 3000), ['姓名', '工资']]
#导出为excel
dataframe_1.to_excel('dataframe_1.xlsx')
dataframe_2.to_excel('dataframe_2.xlsx')
4.找出指定列
data['columns'] #columns即你需要的字段名称即可 #注意这列的columns不能是index的名称 #如果要打印index的话就data.index data.columns #与上面的一样
以上全过程用到的库：
pandas，xlrd , openpyxl
5.找出指定的行和指定的列
主要使用的就是函数iloc
data.iloc[:,:2] #即全部行，前两列的数据
逗号前是行，逗号后是列的范围，很容易理解
6.在规定范围内找出符合条件的数据
data.iloc[:10,:][data.工资>6000]
这样即可找出前11行里工资大于6000的所有人的信息了
总结
到此这篇关于python pandas库读取excel/csv中指定行或列数据的文章就介绍到这了,更多相关python pandas库读取行或列内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要介绍了Django限制API访问频率常用方法解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-10-10
f-string采用 {content:format} 设置字符串格式，其中content是替换并填入字符串的内容，可以是变量、表达式或函数等，format 是格式描述符，这篇文章主要介绍了python使用 f 格式化字符串,需要的朋友可以参考下2022-12-12
这篇文章主要为大家介绍了Python全景系列之数据类型的盘点解析，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2023-05-05
这篇文章主要介绍了Python机器学习入门知识，本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2021-08-08
pandas处理数据时，我们会经常看到dataframe结构使用loc, iloc, ix等方法，那么这些方法到底有啥区别，下面我们来进行详细分析，感兴趣的朋友跟随小编一起看看吧2023-01-01
这篇文章主要介绍了解决pyPdf和pyPdf2在合并pdf时出现异常的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-04-04
这篇文章主要给大家介绍了关于Python如何从txt文件中提取特定数据的相关资料,有时我们会遇到需要按行读取文本的情况,我们要读取txt文件获得数据,需要的朋友可以参考下2023-08-08
本文主要介绍 MySQL 中的窗口函数row_number()、lead()/lag()、rank()/dense_rank()、first_value()、count()、sum()如何使用pandas实现，同时二者又有什么区别，感兴趣的朋友一起看看吧2023-02-02
这篇文章主要介绍了Matplotlib实现各种条形图绘制，文章通过利用 plt.bar 方法实现各种条形图绘制，内容详细具有一定的参考价值，需要的小伙伴可以参考一下2022-03-03
使用pandas中的DataFrame.rolling方法查看时间序列中的异常值
Pandas是Python中最受欢迎的数据分析和处理库之一,提供了许多强大且灵活的数据操作工具,在Pandas中,DataFrame.rolling方法是一个强大的工具,在本文中,我们将深入探讨DataFrame.rolling方法的各种参数和示例,以帮助您更好地理解和应用这个功能2023-12-12
最新评论