Excel是数据分析中最常用的工具，本篇文章通过python与excel的功能对比介绍如何使用python通过函数式编程完成excel中的数据处理及分析工作。在Python中pandas库用于数据处理，我们从1787页的pandas官网文档中总结出最常用的36个函数，通过这些函数介绍如何通过python完成数据生成和导入，数据清洗，预处理，以及最常见的数据分类，数据筛选，分类汇总，透视等最常见的操作。
这个系列文章内容共分为9个部分。已由人民邮电出版社出版，感兴趣的朋友可以在异步社区获取完整版。
第一篇文章链接在这里：像Excel一样使用python进行数据分析-(1)
本篇文章这是系列的第二篇，介绍第4-6部分的内容，数据表生成，数据表查看，和数据清洗。
4，数据预处理
第四部分是数据的预处理，对清洗完的数据进行整理以便后期的统计和分析工作。主要包括数据表的合并，排序，数值分列，数据分组及标记等工作。
数据表合并
首先是对不同的数据表进行合并，我们这里创建一个新的数据表df1，并将df和df1两个数据表进行合并。在Excel中没有直接完成数据表合并的功能，可以通过VLOOKUP函数分步实现。在python中可以通过merge函数一次性实现。下面建立df1数据表，用于和df数据表进行合并。
1 2 3 4 5 |
|
使用merge函数对两个数据表进行合并，合并的方式为inner，将两个数据表中共有的数据匹配到一起生成新的数据表。并命名为df_inner。
1 2 |
|
除了inner方式以外，合并的方式还有left，right和outer方式。这几种方式的差别在我其他的文章中有详细的说明和对比。
1 2 3 4 |
|
设置索引列
完成数据表的合并后，我们对df_inner数据表设置索引列，索引列的功能很多，可以进行数据提取，汇总，也可以进行数据筛选等。设置索引的函数为set_index。
1 2 |
|
排序(按索引，按数值)
Excel中可以通过数据目录下的排序按钮直接对数据表进行排序，比较简单。Python中需要使用ort_values函数和sort_index函数完成排序。
在python中，既可以按索引对数据表进行排序，也可以看制定列的数值进行排序。首先我们按age列中用户的年龄对数据表进行排序。
使用的函数为sort_values。
1 2 |
|
Sort_index函数用来将数据表按索引列的值进行排序。
1 2 |
|
数据分组
Excel中可以通过VLOOKUP函数进行近似匹配来完成对数值的分组，或者使用“数据透视表”来完成分组。相应的 python中使用where函数完成数据分组。
Where函数用来对数据进行判断和分组，下面的代码中我们对price列的值进行判断，将符合条件的分为一组，不符合条件的分为另一组，并使用group字段进行标记。
1 2 |
|
除了where函数以外，还可以对多个字段的值进行判断后对数据进行分组，下面的代码中对city列等于beijing并且price列大于等于4000的数据标记为1。
1 2 |
|
数据分列
与数据分组相反的是对数值进行分列，Excel中的数据目录下提供“分列”功能。在python中使用split函数实现分列。
在数据表中category列中的数据包含有两个信息，前面的数字为类别id，后面的字母为size值。中间以连字符进行连接。我们使用split函数对这个字段进行拆分，并将拆分后的数据表匹配回原数据表中。
1 2 |
|
1 2 |
|
5，数据提取
第五部分是数据提取，也是数据分析中最常见的一个工作。这部分主要使用三个函数，loc，iloc和ix，loc函数按标签值进行提取，iloc按位置进行提取，ix可以同时按标签和位置进行提取。下面介绍每一种函数的使用方法。
按标签提取(loc)
Loc函数按数据表的索引标签进行提取，下面的代码中提取了索引列为3的单条数据。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 |
|
使用冒号可以限定提取数据的范围，冒号前面为开始的标签值，后面为结束的标签值。下面提取了0到5的数据行。
1 2 |
|
Reset_index函数用于恢复索引，这里我们重新将date字段的日期设置为数据表的索引，并按日期进行数据提取。
1 2 |
|
1 2 |
|
使用冒号限定提取数据的范围，冒号前面为空表示从0开始。提取所有2013年1月4日以前的数据。
1 2 |
|
按位置提取(iloc)
使用iloc函数按位置对数据表中的数据进行提取，这里冒号前后的数字不再是索引的标签名称，而是数据所在的位置，从0开始。
1 2 |
|
iloc函数除了可以按区域提取数据，还可以按位置逐条提取，前面方括号中的0,2,5表示数据所在行的位置，后面方括号中的数表示所在列的位置。
1 2 |
|
按标签和位置提取（ix）
ix是loc和iloc的混合，既能按索引标签提取，也能按位置进行数据提取。下面代码中行的位置按索引日期设置，列按位置设置。
1 2 |
|
按条件提取（区域和条件值）
除了按标签和位置提起数据以外，还可以按具体的条件进行数据。下面使用loc和isin两个函数配合使用，按指定条件对数据进行提取 。
使用isin函数对city中的值是否为beijing进行判断。
1 2 3 4 5 6 7 8 9 10 11 |
|
将isin函数嵌套到loc的数据提取函数中，将判断结果为Ture数据提取出来。这里我们把判断条件改为city值是否为beijing和 shanghai。如果是就把这条数据提取出来。
1 2 |
|
数值提取还可以完成类似数据分列的工作，从合并的数值中提取出制定的数值。
1 2 3 4 5 6 7 8 |
|
1 2 |
|
6，数据筛选
第六部分为数据筛选，使用与，或，非三个条件配合大于，小于和等于对数据进行筛选，并进行计数和求和。与excel中的筛选功能和countifs和sumifs功能相似。
按条件筛选（与，或，非）
Excel数据目录下提供了“筛选”功能，用于对数据表按不同的条件进行筛选。Python中使用loc函数配合筛选条件来完成筛选功能。配合sum和count函数还能实现excel中sumif和countif函数的功能。
使用“与”条件进行筛选，条件是年龄大于25岁，并且城市为beijing。筛选后只有一条数据符合要求。
1 2 |
|
使用“或”条件进行筛选，年龄大于25岁或城市为beijing。筛选后有6条数据符合要求。
1 2 3 |
|
在前面的代码后增加price字段以及sum函数，按筛选后的结果将price字段值进行求和，相当于excel中sumifs的功能。
1 2 3 4 5 |
|
使用“非”条件进行筛选，城市不等于beijing。符合条件的数据有4条。将筛选结果按id列进行排序。
1 2 |
|
在前面的代码后面增加city列，并使用count函数进行计数。相当于excel中的countifs函数的功能。
1 2 3 |
|
还有一种筛选的方式是用query函数。下面是具体的代码和筛选结果。
1 2 |
|
在前面的代码后增加price字段和sum函数。对筛选后的price字段进行求和，相当于excel中的sumifs函数的功能。
1 2 3 |
|
下一篇文章，也就是本系列的最后一篇我们将介绍7-9最后三部分的内容，分别为数据汇总，数据统计和数据输出。请朋友们继续关注 。
本文为专栏文章，来自：蓝鲸，内容观点不代表本站立场，如若转载请联系专栏作者，本文链接：https://www.afenxi.com/43850.html 。
