pandas的DataFram结构与Excel表

已经运读取、写入函数形成了一个DataFram结构，那么我想提取DataFram结构中的具体数值并横向写入Excel中，需要怎么操作呢？

你可以使用Python中的pandas库来读取DataFram结构并将其写入Excel文件中。具体的操作步骤如下：

导入必要的库
python
import pandas as pd
读取DataFram结构数据
python

假设你的DataFram结构名为df

df = pd.read_csv("data.csv")
提取需要的数值列
python

假设你需要提取的列名为col1、col2和col3

new_df = df[["col1", "col2", "col3"]]
将提取出的数值列横向写入Excel文件
python

假设你需要将数据写入Excel文件中的Sheet1工作表

writer = pd.ExcelWriter("output.xlsx", engine="xlsxwriter")
new_df.to_excel(writer, sheet_name="Sheet1", index=False)
writer.save()
在上述代码中，pd.read_csv()函数用于读取CSV格式的数据文件，如果你的数据不是CSV格式，可以选择其他读取函数（如pd.read_excel()）进行读取。提取数值列时，你可以根据自己的需要选择需要的列名。在将数据写入Excel文件时，需要创建一个ExcelWriter对象，并将数据写入到指定的工作表中。

  • 这篇博客: Pandas笔记中的 4.1.3 DataFram 对象 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:

  • 在这里插入图片描述
    结构：

    既有行索引，又有列索引的二维数组

    import  numpy as np
import pandas as pd


#创建一个符合正态分布的10个股票5天的涨幅数据
stock_change=np.random.normal(loc=0,scale=1,size=(10,5))

#添加行索引
stock=["股票{}".format(i) for i in range(10)]
#添加列索引
#pd.date_range() --用来生成日期
date=pd.date_range(start="20211224",periods=5,freq="B")

data_stocks=pd.DataFrame(stock_change,index=stock,columns=date)
data_stocks

    在这里插入图片描述

    属性：

    shape #形状
    index #行索引列表
    columns #列索引列表
    values #直接获取其中array的值
    T #转置

    data_stocks.shape
>>> (10, 5)

    data_stocks.index
>>>Index(['股票0', '股票1', '股票2', '股票3', '股票4', '股票5', '股票6', '股票7', '股票8', '股票9'], dtype='object'

    data_stocks.columns
>>>DatetimeIndex(['2021-12-24', '2021-12-27', '2021-12-28', '2021-12-29''2021-12-30'] dtype='datetime64[ns]', freq='B'

    data_stocks.values
>>>array([[ 0.53382629,  0.05785681, -0.37013912, -0.10991607, -0.34161015],
       [ 0.03759558,  0.95196327,  0.49609403,  0.35469635,  0.89827462],
       [-0.89009782, -0.70126025,  2.11514223, -0.68367804, -1.84225813],
       [ 1.26574084,  0.81638033,  1.16768865,  0.13239209,  0.16807341],
       [-0.2608384 ,  0.0825122 ,  0.15498428, -1.8234721 ,  0.0957601 ],
       [ 0.53628063,  0.33689679, -0.51092882, -0.03727799, -1.2336869 ],
       [ 0.34550794,  0.24099083, -0.38695422, -1.76550244, -0.53625289],
       [ 0.75655038, -1.0583886 , -0.48195212, -0.03734291,  0.36727743],
       [-1.61212811, -0.58084113,  0.97282033, -0.72031483,  1.28364436],
       [ 0.09598993,  0.94673641, -1.74923158, -1.65604889, -0.8564206 ]]

    data_stocks.T

    在这里插入图片描述

    方法：

    head() #开头几行，默认返回前5行
    tail() #最后几行，默认返回后5行

    data_stocks.head()

    在这里插入图片描述

    data_stocks.tail(3)

    在这里插入图片描述
    DataFrame索引的设置：

    1）修改行、列索引值 （只能整体修改）
    2）重设索引
    3）设置新索引（以某列值设置为新索引）

    1）修改股票索引：
    不能单独修改一个索引。
    在这里插入图片描述

    stock_=["股票_{}".format(i) for i in range(10)]
>>>stock_
['股票_0',
 '股票_1',
 '股票_2',
 '股票_3',
 '股票_4',
 '股票_5',
 '股票_6',
 '股票_7',
 '股票_8',
 '股票_9']
 
data_stocks.index=stock_
data_stocks

    在这里插入图片描述
    2)重设索引
    在这里插入图片描述

    data_stocks.reset_index()

    在这里插入图片描述

    data_stocks.reset_index(drop=True)

    在这里插入图片描述
    3）设置新索引
    在这里插入图片描述

    ##创建数组
df=pd.DataFrame({'month':[1,4,7,10],
               'year':[2001,2014,2020,2021],
               'sale':[55,30,8,65]})
df

    在这里插入图片描述
    将月份设置为新的索引：

    df.set_index("month",drop=False)

    在这里插入图片描述
    设置多个索引：

    #设置多个索引
new_df=df.set_index(["year","month"])

    在这里插入图片描述
    此时index变为多个：

    new_df.index

    在这里插入图片描述