[python]使用 Pandas 处理 Excel 数据：分割与展开列操作

news2024/12/15 21:30:30

在数据处理的过程中，时常需要对 Excel 表格中的数据进行清洗与转换，下面介绍使用 Python 中的 Pandas 库对 Excel 文件中的数据进行操作，具体包括分割列、展开数据、清除空格以及格式转换等操作。

目标：

读取一个没有表头的 Excel 文件。
分割指定列的数据，并展开成多个行。
清除空格，并按空格将列数据拆分成两列。
删除原始列，保持数据格式整洁。
保存处理后的数据到新的 Excel 文件。

示例代码

import pandas as pd

# 读取 Excel 文件，假设没有表头，使用 header=None 参数
df = pd.read_excel('输入数据.xlsx', header=None, engine='openpyxl')

# 假设前四列是需要保留的，第五列是需要分割的列
# 对第五列（索引为4）进行分割
df[4] = df[4].str.split(',')

# 使用 pandas 的 `explode` 函数展开第五列
df_expanded = df.explode(4, ignore_index=True)

# 去除第五列的空格
df_expanded[4] = df_expanded[4].str.strip()

# 进一步将第五列按空格分割成两列
df_expanded[['分列1', '分列2']] = df_expanded[4].str.split(' ', n=1, expand=True)

# 删除原始的第五列（分割前的列）
df_expanded = df_expanded.drop(columns=[4])

# 将前四列设置为文本格式
df_expanded[0] = df_expanded[0].astype(str)
df_expanded[1] = df_expanded[1].astype(str)
df_expanded[2] = df_expanded[2].astype(str)
df_expanded[3] = df_expanded[3].astype(str)

# 保存处理后的数据为新的 Excel 文件
df_expanded.to_excel('output2.xlsx', index=False, header=False, engine='openpyxl')

print("处理完成，结果已保存为 'output2.xlsx'")

代码解析

读取数据：
```
df = pd.read_excel('输入数据.xlsx', header=None, engine='openpyxl')
```
使用 pd.read_excel() 来读取 Excel 文件。在这个例子中，假设文件没有表头，因此设置 header=None。
分割列：
```
df[4] = df[4].str.split(',')
```
假设第五列（即索引为 4 的列）需要进行分割。我们使用 str.split(',') 方法将该列的每个单元格按逗号分割成多个元素。
展开列：
```
df_expanded = df.explode(4, ignore_index=True)
```
使用 explode() 函数将第五列的列表元素展开为多行，每一行对应列表中的一个元素。
去除空格：
```
df_expanded[4] = df_expanded[4].str.strip()
```
对展开后的列进行清理，去除多余的空格。
进一步分列：
```
df_expanded[['分列1', '分列2']] = df_expanded[4].str.split(' ', n=1, expand=True)
```
将经过清理的第五列按空格分割为两列，并分别命名为“分列1”和“分列2”。这里我们指定 n=1，确保只按第一个空格进行分割。
删除原始列：
```
df_expanded = df_expanded.drop(columns=[4])
```
删除原始的第五列，以确保数据格式的整洁。

转换数据格式：

df_expanded[0] = df_expanded[0].astype(str)
df_expanded[1] = df_expanded[1].astype(str)
df_expanded[2] = df_expanded[2].astype(str)
df_expanded[3] = df_expanded[3].astype(str)

将前四列的数据转换为字符串格式，以避免格式不一致。

保存结果：
```
df_expanded.to_excel('output2.xlsx', index=False, header=False, engine='openpyxl')
```
最后，将处理后的数据保存为新的 Excel 文件。这里我们指定不保存索引和表头，保持数据格式简洁。