0. 背景
最近需要用到python通过读取，写入Excel数据，并画一些图。虽然以前学过一些，但是都忘得差不多了，故翻出以前学习的资料，整理在此，常用常新，也方便自己以后复习。
1. 通过pandas库在Python里写入数据到Excel，并生成本地文件（001）
代码：
import pandas as pd #导入pandas模块，将pandas简写为pddf = pd.DataFrame({'ID':(1,2,3),'Name':('Tim','Victor','Nick')}) #生成两列，一列是ID，一列是Namedf = df.set_index('ID') #用ID这列来替代默认的indexdf.to_excel('D:/py学习/Python_EXCEL/output.xlsx') #生成一个excel文件print('Done!')
输出样式:
2. 通过pandas库读取本地Excel文件，并直接在Python里显示（002）
代码：
import pandas as pdIncites = pd.read_excel('D:/py学习/Python_EXCEL/Incites.xlsx')print(Incites.shape) # 显示有表格中有（几行，几列）print(Incites.columns) # 输出表头，也就是第一行print(Incites.head(3)) # 输出前三行print('========================')print(Incites.tail(3)) #输出后三行
输出样式:
3. 通过pandas库在Python里写多行多列数据的格式（不生成本地文件）（003）
代码：
import pandas as pds1 = pd.Series([1,2,3],index = [1,2,3],name = 'A')s2 = pd.Series([10,20,30],index = [1,2,3],name = 'B')s3 = pd.Series([100,200,300],index = [2,3,4],name = 'C')df = pd.DataFrame({s1.name:s1,s2.name:s2,s3.name:s3}) # 将A,B,C按列来写入# df = pd.DataFrame([s1,s2,s3]) # 将A,B,C按行来写入print(df)
输出样式:
4. 通过pandas将本地Excel中的数据排序，分类，并直接在Python里显示（007）
代码：
import pandas as pdproducts = pd.read_excel('D:/py学习/Python_EXCEL/List.xlsx', index_col='ID')# products.sort_values(by='Price',inplace=True,ascending=False) #inplace=True意思为不创建新的对象，直接对原始对象进行修改;\# ascending=False将Price这一列从高到低排序,将False改为True则变为从低到高排序products.sort_values(by=['Worthy', 'Price'], inplace=True, ascending=[True, False]) # 分成两列进行操作，先将Worthy分为No在上，YES在下;再将No的Price从高到底排列，Yes的Price也从高到底排列print(products)
输出样式:
5. 通过pandas库在Python实现对本地Excel中数值大小范围的筛选，将直接在Python里显示（不保存到原Excel文件）（008）
初始数据：
对学生的Age（18-30）和分数（85-100）两个参数进行筛选。
代码：
import pandas as pd# 年龄筛选函数def age_18_to_30(a):return a>=18 and a<=30 # 或者写为18<=a<=30，这是Python特有的写法# 得分筛选函数def level_a(s):return s>=85 and s<=100 # 或者写为85<=s<=100，这是Python特有的写法students = pd.read_excel('D:/py学习/Python_EXCEL/Students.xlsx', index_col='ID')# students = students.loc[students['Age'].apply(age_18_to_30)] # 用loc获取Age元素，再apply(调用)年龄筛选函数# students = students.loc[students.Age.apply(age_18_to_30)] # 上一行的用loc获取Age元素也可以写成这样，这是Python特有的写法students = students.loc[students['Age'].apply(age_18_to_30)].loc[students['Score'].apply(level_a)] # 在上一句基础上再用loc获取Score元素，再apply(调用)得分筛选函数# students = students.loc[students['Age'].apply(lambda a: 18<=a<=30)].loc[students['Score'].apply(lambda s: 85<=s<=100)] #也可以用lambda,删掉两个def和上一行，只用这一行就能实现print(students)
输出样式:
6. 通过pandas库读取本地Excel文件，并通过matplotlib在Python里画出柱形图（bar_chart）（009）
原数据：
将该数据画成直方图
代码：
import pandas as pdimport matplotlib.pyplot as plt # 导入画柱状图模块；将matplotlib简写为pltstudents = pd.read_excel('D:/py学习/Python_EXCEL/Res_areas.xlsx')students.sort_values(by='Documents_number', inplace=True, ascending=False) # 将Documents_number从高到低排序print(students)# students.plot.bar(x='Name',y='Documents_number',color='orange')#（这是用的pandas绘图），plot.bar为条（柱）状图意思；给x，y对应的head；如果不定义颜色，则默认为蓝色plt.bar(students.Name, students.Documents_number, color='orange') #（这是用的matplotlib绘图）;给x，y对应的head;如果不定义颜色，则默认为蓝色plt.xticks(students.Name, rotation='90')# 将x轴旋转90度，不然全连成一排密密麻麻看不清楚plt.xlabel('Name') # 给x轴命名plt.ylabel('Documents_number') # 给y轴命名plt.title('Wos of Science Res_areas') # 给该柱状图命名plt.tight_layout() # 设置为紧凑型布局，不然x轴head显示不全plt.show() # 出图
输出样式:
7. 通过pandas库读取本地Excel文件，并通过matplotlib在Python里画出双柱形图（double_bar_chart）（010）
原数据：
将该数据画成双柱形图
代码：
import pandas as pdimport matplotlib.pyplot as pltstudents = pd.read_excel('D:/py学习/Python_EXCEL/Res_areas_double.xlsx')students.sort_values(by='', inplace=True, ascending=False) #按列从高到低排序print(students)students.plot.bar(x='Res_areas', y=['', ''], color=['orange','r' ]) # 用列表来定义两个y元素和两种颜色，excel中的head和x和y不能是纯数字，会找不到报错，得在EXCEL的head中的数字前面加'；也不能有中文，图里显示不出来plt.title('Wos of Science Res_areas',fontsize=16,fontweight='bold') # 给该柱状图命名;规定字号16；粗体plt.xlabel('Res_areas', fontweight='bold')plt.ylabel('Documents_number', fontweight='bold')ax = plt.gca() # gca=get current axis,获取当前坐标轴ax.set_xticklabels(students['Res_areas'], rotation='45', ha='right')# 将x轴的ticklabels旋转45度;ha=horizontal alignment，以右边为中心点水平对齐;会自带xlabel,但不能像第9行那样显示字体字号f = plt.gcf() # gca=get current figure,获取当前图形，指figure黑色框里的部分f.subplots_adjust(left=0.2,bottom=0.45) # 左边留出20%空白，底部留出42%空白# plt.tight_layout() # 设置为紧凑型布局，不然x轴head显示不全，这是比较笼统的布局，上两行是精确布局，两种方法不同时使用plt.show()
输出样式:
8. 通过pandas库读取本地Excel文件，并通过matplotlib在Python里画出堆叠柱形图(stacked_chart)（011）
原数据：
将该数据画成堆叠柱形图
代码：
import pandas as pdimport matplotlib.pyplot as pltusers = pd.read_excel('D:/py学习/Python_EXCEL/Users.xlsx')users['Total'] = users['Oct'] + users['Nov'] + users['Dec'] # 新增一列Totalusers.sort_values(by='Total', inplace=True, ascending=True)# ascending为离0点越近的越大print(users)users.plot.barh(x='Name', y=['Oct', 'Nov', 'Dec'], stacked=True, title='User Behavior') # 在bar后面加个h表示横向显示；用stacked将三条柱状图堆叠起来;给定title#plt.title('User Behavior', fontsize=16, fontweight='bold')#给定title,也可以像上一行一样，但是上一行不能自定义title字号字体plt.tight_layout()plt.show()
输出样式:
9. 通过pandas库读取本地Excel文件，并通过matplotlib在Python里画出饼图（piechart）（012）
原数据：
将该数据画成饼图
代码：
import pandas as pdimport matplotlib.pyplot as pltpapers = pd.read_excel('D:/py学习/Python_EXCEL/papers.xlsx', index_col='国家/地区') # 不用index指定饼图的每一块表示什么的话它就默认用index来显示了print(papers)papers[''].plot.pie(fontsize=8, counterclock=False, startangle=-270)# 用couterclock顺时针排序，,起点为-270度,也可用下行所示，但是麻烦了# papers[''].sort_values(ascending=True).plot.pie(fontsize=8, startangle=-270)# 顺时针排序，之前的是bar，生成的条形图，这次是pie，生成饼状图,起点为-270度plt.title('Source of Web of Science Papers', fontsize=16, fontweight='bold')plt.ylabel('', fontsize=12, fontweight='bold')plt.show()
输出样式:
10. 通过pandas库读取本地Excel文件，并通过matplotlib在Python里画出堆积图(stacked_area_chart)（013）
原数据：
10.1将该数据画成堆积图
代码：
import pandas as pdimport matplotlib.pyplot as pltyears = pd.read_excel('D:/py学习/Python_EXCEL/Years.xlsx', index_col='Year')print(years)print(years.columns) # 打印表头years.plot.area(y=['USA', 'China', 'UK']) # plot后不加.area就默认是折线图了;plot后加一个.area就是叠加区域图# years.plot.barh(y=['USA', 'China', 'UK'], stacked=True)plt.title('Source of Country', fontsize=16, fontweight='bold')plt.ylabel('Number of Papers', fontsize=12, fontweight='bold')plt.xticks(years.index, fontsize=8, rotation='45', ha='right')plt.show()
输出样式:
10.1 将该数据画成折线图（区别只在代码第8行plot少了.area）
代码：
import pandas as pdimport matplotlib.pyplot as pltyears = pd.read_excel('D:/py学习/Python_EXCEL/Years.xlsx', index_col='Year')print(years)print(years.columns) # 打印表头years.plot.area(y=['USA', 'China', 'UK']) # plot后不加.area就默认是折线图了;plot后加一个.area就是叠加区域图# years.plot.barh(y=['USA', 'China', 'UK'], stacked=True)plt.title('Source of Country', fontsize=16, fontweight='bold')plt.ylabel('Number of Papers', fontsize=12, fontweight='bold')plt.xticks(years.index, fontsize=8, rotation='45', ha='right')plt.show()
输出样式:
11. 通过pandas库读取本地Excel文件，并通过matplotlib在Python里画出散点图(Bar_chart)（011）
原数据：
将该数据第二三列前五行画成散点图
代码：
import pandas as pdimport matplotlib.pyplot as pltpd.options.display.max_columns = 777 # 设置最大显示777列，这样打印的列就不会被省略号显示不全了names = pd.read_excel('C:/Users/WJ/Desktop/Python_EXCEL/Names.xlsx')print(names.head()) # 默认打印表头和前5行names.plot.scatter(x='Documents', y='Times_cited') # 画散点图plt.show()
输出样式:
12. 通过pandas库读取本地Excel文件，并通过matplotlib在Python里画出直方图(Histogram)（015）
注：关于直方图和柱形图的差别如下：
直方图一般用来描述等距数据或等比数据；柱形图一般用来描述称名数据或顺序数据。. 直观上，直方图矩形之间是衔接在一起的，表示数据间的数学关系；柱形图则留有空隙，表示仅作为两个或多个不同的类，而不具有数学相关性质。
原数据：
将该数据第二三列前五行画成直方图
代码：
import pandas as pdimport matplotlib.pyplot as pltpd.options.display.max_columns = 777 # 设置最大显示777列，这样打印的列就不会被省略号显示不全了names = pd.read_excel('D:/py学习/Python_EXCEL/Names.xlsx')print(names.head()) # 默认打印表头和前5行names.Times_cited.plot.hist(bins=100) # hist=histogram,画直方图;用bins细化100个区间，当样本量足够大时图像曲线看起来更平滑plt.xticks(range(0, max(names.Times_cited), 500), fontsize=8, rotation=90) # 生成x轴刻度，获取Time_cited从0到最大值，再除以500=分度值print(names.corr()) # 用corr打印各行之间的相关系数,corr=correlationplt.tight_layout()plt.show()
输出样式:
13. 通过pandas库读取本地Excel文件，并在Python将其转置输出（021）
原数据：
将该数据第二三列前五行画成散点图
代码：
import pandas as pdpd.options.display.max_columns=999 # 每行最大显示单元格为999，这样就不会被折叠了videos = pd.read_excel('D:/py学习/Python_EXCEL/Videos.xlsx', index_col='Month')table = videos.transpose()print(table)
输出样式:
14. 通过pandas库读取本地csv格式文件，并在Python将其输出（022）
原数据：
代码：
import pandas as pdpd.options.display.max_columns=999# 每行最大显示单元格为999，这样就不会被折叠了students1 = pd.read_csv('D:/py学习/Python_EXCEL/Incites_Pulication.csv') # 用read_csv读取csv文件print(students1)
输出样式:
15. 通过pandas库读取本地csv格式文件，并在Python将其输出（022）
原数据：
代码：
import pandas as pdpd.options.display.max_columns=999# 每行最大显示单元格为999，这样就不会被折叠了students2 = pd.read_csv('D:/py学习/Python_EXCEL/info.txt')# 读取TXT文件还是用read_csvprint(students2)
输出样式:
15. 通过pandas库读取本地csv格式文件，再通过scipy库对数据进行线性回归分析，并用matplotlib在Python将其输出（022）
原数据：
代码：
import pandas as pdimport matplotlib.pyplot as pltfrom scipy.stats import linregress # 导入scipy线性回归包num = pd.read_excel('D:/py学习/Python_EXCEL/Trendency.xlsx')print(num)slope, intercept, r, p, std_err=linregress(num.Year, num.USA) # 关键点，调用这个scipy里的linregress函数可以直接得到slope斜率；intercept截距exp = num.Year*slope+intercept # exp=exception,期望plt.scatter(num.Year, num.USA) # 画散点图plt.plot(num.Year, exp, color='orange') #画线图 plt.title(f"y={slope}*x+{intercept}")plt.xticks(num.Year, rotation=90) # 设置x轴坐标参数刻度线plt.tight_layout()plt.show()print(slope*35+intercept)
输出样式:
