在Python中處理表格數(shù)據(jù)，有幾個非常流行且功能強(qiáng)大的庫。以下是一些最常用的庫及其示例代碼：KCU28資訊網(wǎng)——每日最新資訊28at.com

KCU28資訊網(wǎng)——每日最新資訊28at.com

1. Pandas

Pandas是一個開放源代碼的、BSD許可的庫，為Python編程語言提供高性能、易于使用的數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)分析工具。KCU28資訊網(wǎng)——每日最新資訊28at.com

安裝Pandas

pip install pandas

示例代碼：讀取CSV文件

import pandas as pd# 讀取CSV文件df = pd.read_csv('pokemon.csv')# 顯示前五行數(shù)據(jù)print(df.head())# 計算某列的平均值print("Average of column:", df['Speed'].mean())# 數(shù)據(jù)篩選filtered_df = df[df['Speed'] > 10]# 將更改后的DataFrame保存到新的CSV文件filtered_df.to_csv('filtered_example.csv', index=False)

2. OpenPyXL

OpenPyXL是一個庫，用于讀取和寫入Excel 2010 xlsx/xlsm/xltx/xltm文件。KCU28資訊網(wǎng)——每日最新資訊28at.com

安裝OpenPyXL

pip install openpyxl

示例代碼：讀取Excel文件

from openpyxl import load_workbook# 加載一個現(xiàn)有的工作簿wb = load_workbook('example.xlsx')# 獲取活動的工作表sheet = wb.active# 讀取A1單元格的值print(sheet['A1'].value)# 修改B2單元格的值sheet['B2'] = 42# 保存工作簿wb.save('modified_example.xlsx')

3. CSV

Python標(biāo)準(zhǔn)庫中的CSV模塊提供了讀寫CSV文件的功能。KCU28資訊網(wǎng)——每日最新資訊28at.com

示例代碼：讀取CSV文件

import csv# 打開CSV文件with open('example.csv', mode='r', encoding='utf-8') as file:    reader = csv.reader(file)        # 遍歷每一行    for row in reader:        print(row)# 寫入CSV文件with open('output.csv', mode='w', encoding='utf-8', newline='') as file:    writer = csv.writer(file)    writer.writerow(['Name', 'Age', 'City'])    writer.writerow(['Alice', '24', 'New York'])

4. xlrd/xlwt

這兩個庫通常一起使用，xlrd用于讀取老版本的Excel文件（xls），而xlwt用于寫入。KCU28資訊網(wǎng)——每日最新資訊28at.com

安裝xlrd和xlwt

pip install xlrd xlwt

示例代碼：讀取xls文件

import xlrd# 打開工作簿wb = xlrd.open_workbook('catering_sale.xls')# 通過索引獲取工作表sheet = wb.sheet_by_index(0)# 讀取A1單元格的值print(sheet.cell_value(0, 0))# 獲取行數(shù)和列數(shù)print(sheet.nrows, sheet.ncols)

當(dāng)選擇庫的時候，最好考慮你的具體需求，例如文件格式（CSV、Excel等）、數(shù)據(jù)大小、性能需求以及是否需要進(jìn)行復(fù)雜的數(shù)據(jù)分析和操作。Pandas在數(shù)據(jù)分析方面提供了廣泛的功能，而OpenPyXL、xlrd和xlwt則在處理Excel文件方面各有所長。標(biāo)準(zhǔn)庫中的CSV模塊足夠處理基本的CSV文件操作。KCU28資訊網(wǎng)——每日最新資訊28at.com

本文鏈接：http://www.www897cc.com/showinfo-26-55209-0.htmlPython處理電子表格，四個非常流行且功能強(qiáng)大的庫

聲明：本網(wǎng)頁內(nèi)容旨在傳播知識，若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。郵件：2376512515@qq.com

上一篇： Python處理電子表格，四個非常流行且功能強(qiáng)大的庫

下一篇： 攜程商旅在 Atomic Css 下的探索