pandas学习
【摘要】 1.pandas学习 1) 以第二行作为表头sh_all =pd.read_excel(path,'总览',header =1)#pandas 有两种对象：Series （表中的一行或一列数据） 和 DataFrame（一张表） 2) 筛选，选择列同时筛选两项,后指定展示列sh_all =sh_all.loc[(sh_all['检查结果'] == '风险项') & (sh_all['风险等...
1.pandas学习
1) 以第二行作为表头
sh_all =pd.read_excel(path,'总览',header =1)
#pandas 有两种对象：Series （表中的一行或一列数据） 和 DataFrame（一张表）
2) 筛选，选择列
同时筛选两项,后指定展示列
sh_all =sh_all.loc[(sh_all['检查结果'] == '风险项') & (sh_all['风险等级'] == '高危'),['产品','检查项名称','检查内容']]
筛选一项
sh_all2 =sh_all.loc[sh_all['检查结果'] == '风险项',['产品','检查项名称','检查内容','风险等级']]
不筛选，选择列
con_num_data_end = con_num[["资源类型","分析维度","风险状态","风险总数"]]
3) 遍历每个sheet的每个值后模糊匹配，然后插入表格
sh_fengxianmun=[]
for i in sh_all["检查项名称"] :
sh_data = pd.DataFrame(pd.read_excel(path,i))
#对于iloc[:,0]是取二维数组中第一维的所有数据
sh_tmp=sh_data.iloc[:,0].to_frame()
sh_tmp.columns =['A']
sh_value = sh_tmp[sh_tmp['A'].str.contains('风险资源数',na=False)]
#直接添加sh_value有中方括号，只能循环一次再添加，暂时没有其他好的方法
for j in sh_value['A'] :
sh_fengxianmun.append(j)
#print(sh_jianyi)
sh_all.insert(loc=len(sh_all.columns),column ="风险资源数/资源总数",value= sh_fengxianmun)
#loc=：插入的位置，0为第一列前面插入
#新加一空列
df_new.insert(loc=len(df_new.columns),column ="风险总数",value='')
#分列后插入
temp_con=con_num['资源类型tmp'].str.split(':',expand=True)
con_num.insert(loc=0,column ="风险状态",value=temp_con[2])
con_num.insert(loc=0,column ="分析维度",value=temp_con[1])
con_num.insert(loc=0,column ="资源类型",value=temp_con[0])
4) 分列
temp2=sh_all['风险资源数/资源总数'].str.split('：',expand=True)
sh_all['风险资源数/资源总数']=temp2[1]
Series.str.split(pat=None, n=-1, expand=False)
-- pat 分隔符
-- n 指定分割次数 -1代表全部
-- expand=True expand表示是否展开为数据框，True输出Series，False输出Dataframe
-- 支持正则表达式分割符
import pandas as pd
s = pd.Series(["1+1=2"])
s.str.split(r"\+|=", expand=True)
'''
0 1 2
0 1 1 2
'''
str.rsplit从右往左寻找分列依据，使用语法类似 split。
split() 方法通过指定分隔符对字符串进行切分，返回分割后的字符串列表。
使用语法为：
str.split(str=" ", maxsplit=string.count(str))
参数：
-- str 分隔符 默认为所有的空字符 包括空格、换行符、制表符等
-- maxsplit 分割次数 默认-1 即分割所有
实例：
str = "abc ggg rrr"
str.split() # ['abc', 'ggg', 'rrr']
str.split(" ",maxsplit=1) # ['abc', 'ggg rrr']
5) 保存表格去除索引
sh_all.to_excel('tmp1.xlsx',index=None)
6) 表格多少行
sh_all = pd.DataFrame(pd.read_excel(path,'总览',header =2))
sh_all2 =sh_all.loc[sh_all['检查结果'] == '风险项',['产品','检查项名称','检查内容','风险等级']]
check_auto = len(sh_all2)
7) 删除其他sheet，或者原格式保留一个sheet
wb = load_workbook(path)
for i in wb.sheetnames :
if i != '可用性优化' :
ws = wb[i]
wb.remove(ws)
8) 多sheet筛选后数据行合并
pandas的连接函数concat()函数
data = pd.read_excel(path,None)
#获取所有sheet名
sheet=data.keys()
#创建新数据框
df_new = pd.DataFrame()
for name in sheet :
#print(i)
df_pre = pd.DataFrame(pd.read_excel(path,name),columns=['资源类型','分析维度','风险状态'])
df_new = pd.concat([df_new,df_pre])
#https://blog.csdn.net/zzpdbk/article/details/79232661
#列合并
#https://blog.csdn.net/Asher117/article/details/84725199
9) 全表单元格内容替换，支持正则表达式
df_new.replace('挂载点.*磁盘使用率','磁盘使用率',regex=True,inplace=True)
#regex=True,支持正则表达式，inplace=True,修改原表
10) pandas的DataFrame怎么把几列数据合并成为新的一列
parent_teacher_data['address'] = parent_teacher_data['country']+parent_teacher_data['province']+parent_teacher_data['city']+parent_teacher_data['county']
就可以把四列合并成新的列address
如果某一列是非str类型的数据，那么我们需要用到map(str)将那一列数据类型做转换：
dataframe["newColumn"] = dataframe["age"].map(str) + dataframe["phone"] + dataframe["address”]
原文链接：https://blog.csdn.net/gangyin5071/article/details/79601386
11) excel中countif的效果，计数后变DataFrame类型
#value_counts() 变DataFrame
#rename_axis：原需要统计的列名，reset_index：value_counts后的结果
con_num = df_data_h.value_counts().rename_axis('资源类型tmp').reset_index(name='风险总数')
#https://stackoverflow.com/questions/47136436/python-pandas-convert-value-counts-output-to-dataframe
https://cloud.tencent.com/developer/article/1877700
.value_counts()函数可以直接计算整行的值，不用先合并成一列再运算
测试代码
import pandas as pd
import os
os.chdir(os.path.dirname(__file__))
data = pd.DataFrame({
'num_legs': [2, 4, 4, 6],
'num_wings': [2, 0, 0, 0]},
index=['falcon', 'dog', 'cat', 'ant'])
print(data)
print(type(data))
#<class 'pandas.core.frame.DataFrame'>
data.to_excel('data.xlsx')
df_new = data.value_counts()
print(df_new)
print(type(df_new))
#<class 'pandas.core.series.Series'>
df_new.to_excel('df_new.xlsx')
df_new2 = data.value_counts().reset_index()
print(df_new2)
print(type(df_new2))
#<class 'pandas.core.frame.DataFrame'>
df_new2.to_excel('df_new2.xlsx')
df_new3 = data["num_wings"].value_counts()
print(df_new3)
print(type(df_new3))
#<class 'pandas.core.series.Series'>
df_new3.to_excel('df_new3.xlsx')
12) 排序
#以指定列排序
con_num_data_end = con_num_data_end.sort_values(by=["资源类型"])
13) xls转xlsx
import win32com.client as win32
#返回当前的目录
#nowpath = os.getcwd()
#需要绝对路径
abpath=os.path.abspath(path)
excel = win32.gencache.EnsureDispatch('Excel.Application')
wb = excel.Workbooks.Open(abpath)
wb.SaveAs(abpath+"x", FileFormat = 51) #FileFormat = 51 is for .xlsx extension
wb.Close() #FileFormat = 56 is for .xls extension
excel.Application.Quit()
#https://blog.csdn.net/yizhuanlu9607/article/details/89227908
14) 删除列名和单元格前后的空格
col_names = sh_all.columns.tolist() # 获取列名字
# 把列名中的空格去掉
for index,value in enumerate(col_names):
col_names[index]= value.replace("\t","")
# 修改列名字
sh_all.columns=col_names
print(sh_all.columns.values)
for col in sh_all.columns.values :
sh_all[col]=sh_all[col].str.strip()
15）模糊筛选
data=data[-data.客户名.str.contains("hwstaff|liuqiang|--|HuaweiDuoYun|huawei_qimao|CBG-RU|emui_test|omaalregion",na=False)]
#过滤两种方式都为空的列
sheetTop50=sheetTop50[-(sheetTop50['PATH方式访问的桶名'].isnull()&sheetTop50['LVS方式访问的桶名'].isnull())]
16）修改筛选后的其他列值
data.loc[data[(data['升降级提交时间'].str.contains("P3->",na=False))].index.tolist(),'事件级别'] = 'P3降'
#https://blog.csdn.net/chenKFKevin/article/details/62049060
#事件级别前面的这个是筛选出来的行数
data[(data['升降级提交时间'].str.contains("P3->",na=False))].index.tolist()
上面print结果[4, 5, 7, 10, 87, 95, 98, 101, 102, 108, 124, 0, 7, 9, 0, 2, 3, 4, 5, 8, 10, 11]
17）反向筛选
#删除客户名为--的行
data=data[-data.事件级别.isin(['P4','P5'])]
18）匹配vlookup
#datacop是左表，datacopown是右表，on是查找的列
#datacop = pd.merge(datacop,datacopown.loc[:,:],how='left',on = '代表处')
#vlookup匹配
datacop = pd.merge(datacop,datacopown,how='left')
指定列
df['领域'] = df.merge(data_area, on='云服务', how='left')['领域']
19）countif
#对‘客户名+受影响部件所属产品部’计数，后结果插入新列‘客户名+受影响部件所属产品部计数’，之后再用上面的vlookup方法，实现countif的效果
df_data_h2 =result['客户名+受影响部件所属产品部']
#value_counts() 变DataFramehttps://blog.csdn.net/weixin_42342968/article/details/121771731
con_num2=df_data_h2.value_counts().rename_axis('客户名+受影响部件所属产品部').reset_index(name='客户名+受影响部件所属产品部计数')
con_num2.to_excel('tmp8.xlsx',index=None)
print("完成计数临时表tmp8.xlsx")
20）重命名列名
result_end4 = result_end4.rename(columns={'客户名+受影响部件(英文名)':'客户-受影响云服务'})
21）合并表格
dataend=pd.concat([result_end4,result_end1,result_end2,result_end3])
22）合并单元格
# 用这个方法
con_num_data_end = con_num_data_end[["云服务","分析维度","实例状态","风险总数","名称"]]
con_num_data_end = con_num_data_end.sort_values(by=["云服务","分析维度","实例状态","风险总数"])
# 合并前要把NAN改为空值，要不然合并会有问题
processed_row = processed_row.fillna('')
con_num_data_end = con_num_data_end.groupby(["云服务","分析维度","实例状态","风险总数"])["名称"].apply(lambda x: '\n'.join(map(str, x))).reset_index()
#这个也不需要con_num_data_end['资源名称'] = con_num_data_end['资源名称'].str.replace('\n', chr(10))
pualitypdCo1 = pualitypdCo1[['影响服务','风险说明','整改建议','风险详情答疑','租户名','风险及问题','检查项','region','实例ID']]
#合并的单元格的列最多不能超过总列数-1
pualitypdCo1_set = pualitypdCo1.set_index(['影响服务','风险说明','整改建议','风险详情答疑','租户名','风险及问题','检查项','region'])
pualitypdCo1_set.to_excel('puality_tmp.xlsx')
23）列提取出来后合并成列表
comName=[]
#extend() 函数用于在列表末尾一次性追加另一个序列中的多个值（用新列表扩展原来的列表）。
comName.extend(sheetTop50['客户企业名称'])
comName.extend(sheetCIM['客户企业名称'])
comName.extend(sheetIncrease['客户企业名称'])
24）将两列是否为空做判断，插入word不同的内容
#将表中空行替换为可识别的na，为后面isna做判断
noEmailCoPr.replace('',numpy.nan,inplace = True)
#指定列替换
df['email'].replace('', np.nan, inplace=True)
if co in sheetTop50['客户企业名称'].tolist() :
sheetTop50co=sheetTop50[sheetTop50['客户企业名称'].isin([co])]
sheetTop50copath = sheetTop50co[["PATH方式访问的桶名"]]
#将为空的单元格转换成bool值，后面用bool值提取后计算数量，原创 sheetTop50copathnan=sheetTop50copath.isnull()
b=False
sheetTop50copathnanF=sheetTop50copathnan[sheetTop50copathnan['PATH方式访问的桶名'].isin([b])]
print (sheetTop50copathnan)
print (sheetTop50copathnanF)
print (len(sheetTop50copathnanF))
sheetTop50colvs = sheetTop50co[["LVS方式访问的桶名"]]
sheetTop50colvsnan=sheetTop50colvs.isnull()
sheetTop50colvsnanF=sheetTop50colvsnan[sheetTop50colvsnan['LVS方式访问的桶名'].isin([b])]
print (sheetTop50colvsnan)
print (sheetTop50colvsnanF)
print (len(sheetTop50colvsnanF))
#if sheetTop50co['PATH方式访问的桶名'].isna().bool() == True :
#if len(sheetTop50copath) == 0 :
if len(sheetTop50copathnanF) == 0 :
#if sheetTop50copath.isnull().bool() == True :这个报错原因是因为有两行的原因，
word00.append(word31)
sheetTop501=sheetTop50[sheetTop50['客户企业名称'].isin([co])]
print("31")
sheetTop501 = sheetTop501[["客户企业名称","账号","LVS方式访问的桶名"]]
#elif sheetTop50co['LVS方式访问的桶名'].isnull().bool() == True :
elif len(sheetTop50colvsnanF) == 0 :
word00.append(word32)
sheetTop502=sheetTop50[sheetTop50['客户企业名称'].isin([co])]
print("32")
sheetTop502 = sheetTop502[["客户企业名称","账号","PATH方式访问的桶名"]]
else:
word00.append(word3)
print("3")
sheetTop501=sheetTop50[sheetTop50['客户企业名称'].isin([co])]
sheetTop501 = sheetTop501[["客户企业名称","账号","LVS方式访问的桶名"]]
sheetTop502=sheetTop50[sheetTop50['客户企业名称'].isin([co])]
sheetTop502 = sheetTop502[["客户企业名称","账号","PATH方式访问的桶名"]]
25）单元格多个值，按照分割符分行
#按照顿号分割，stack()然后列转行，reset_index(level=1, drop=True)，level=1删除这个索引（1为二级索引，0开始），drop=True将原索引作为新的一列并入DataFrame，然后重命名为原来的名字
data=data.drop('受影响部件(英文名)', axis=1).join(data['受影响部件(英文名)'].str.split('、', expand=True).stack().reset_index(level=1, drop=True).rename('受影响部件(英文名)'))
#https://blog.csdn.net/weixin_44214830/article/details/121144628
#https://blog.csdn.net/weixin_43298886/article/details/108090189
data.to_excel('tmp3-1.xlsx',index=None)
print("完成'受影响部件(英文名)'列中多个影响服务拆成多行，生成tmp3-1.xlsx")
26）提取对应的单元格内容
mailbox = pd.read_excel('邮箱.xlsx','Sheet1')
print (mailbox)
print (type(mailbox))
#<class 'pandas.core.frame.DataFrame'>
mailco=mailbox[mailbox['客户名称'].isin(['你好'])]
print (mailco)
mailbb = mailco['收件人'].values
print (mailbb)
print (type(mailbb))
#['121@qq.com;999sds@sem.com']
#<class 'numpy.ndarray'>
#下面这四个方法都可以
mailbb = mailco['收件人'].values.tolist()[0]
print (mailbb)
print (type(mailbb))
#<class 'str'>
mailcc =mailbox.loc[0,['收件人']].values[0][:]
print (mailcc)
print (type(mailcc))
#<class 'str'>
maildd =mailbox.loc[0,['收件人'][0]]
print (maildd)
print (type(maildd))
#<class 'str'>
mailee =mailbox.iloc[0,1]
print (mailee)
print (type(mailee))
#<class 'str'>
27）合并单元格填充
'''
bfill:向前填充
ffill:向后填充
默认 axis=0(列方向) ， axis=1(行方向)
df1=df_.fillna(method='bfill',axis=1)
'''
sh_all = sh_all.ffill()
print(sh_all)
28）修改所有列名
#修改列名
sh_all.columns = sh_all.iloc[1]
print(sh_all)
29）读取为浮点数的百分数显示为百分数
#https://stackoverflow.com/questions/48977649/pandas-read-excel-percentages-as-strings
#https://blog.csdn.net/m0_73209313/article/details/127313149 读取表格参数详解
sheetIncrease = pd.read_excel(pathIncrease,'Sheet1',converters={'增长率': lambda value: '{}%'.format(value * 100)})
30）设置列宽、垂直居中等
wb = op.load_workbook('tmp1.xlsx')
ws = wb[wb.sheetnames[0]]
print(ws)
#设置列宽
ws.column_dimensions['C'].width = 35
ws.column_dimensions['D'].width = 30
ws.column_dimensions['E'].width = 20
ws.column_dimensions['F'].width = 20
ws.column_dimensions['G'].width = 30
ws.column_dimensions['H'].width = 30
#设置列宽
#columnname = ['B','C','D','E','F','G','H','I','J','K','L','M']
#for column in columnname:
# ws1.column_dimensions[column].width = 13
#获取所有列的字母号https://www.jianshu.com/p/e122a997dff4
# 根据列的数字返回字母
#print(get_column_letter(2)) # B
# 根据字母返回列的数字
#print(column_index_from_string('D')) # 4
#123456
col=[]
cl = 1
while cl <= ws.max_column :
col.append(op.utils.get_column_letter(cl))
cl +=1
# 设置B1中的数据垂直居中和水平居中
#sheet['B1'].alignment = Alignment(horizontal='center', vertical='center')
for i in col :
wsC = ws[i]
for cell in wsC:
#自动换行,水平居中
cell.alignment = op.styles.Alignment(wrapText=True,vertical='center')
#ws.save('down2.xlsx') sheet不能保存AttributeError: 'Worksheet' object has no attribute 'save'
wb.save('down2.xlsx')
31）保存txt为excel
data = pd.read_csv("tmp.txt", sep="\t")
now = datetime.now()
now = now.strftime("%Y-%m-%d %H%M%S")
#调整列顺序
data =data.loc[:,['域名','是否备案','公网是否可以访问','是否HTTPS访问','证书是否快到期','证书到期时间','主办单位名称','主办单位性质']]
#data.to_excel(f"{now}域名查询结果.xlsx", index=False)
writer = pd.ExcelWriter(f"{now}域名查询结果.xlsx",engine='xlsxwriter')
data.to_excel(writer, sheet_name='Sheet1',index=False)
worksheet = writer.sheets['Sheet1']
#https://blog.csdn.net/qq_38963393/article/details/106187907
worksheet.set_column("A:A", 25) # 在这里更改宽度值
worksheet.set_column("B:B", 10) # 在这里更改宽度值
worksheet.set_column("C:E", 18) # 在这里更改宽度值
worksheet.set_column("F:F", 20) # 在这里更改宽度值
worksheet.set_column("G:G", 30) # 在这里更改宽度值
worksheet.set_column("H:H", 13) # 在这里更改宽度值
writer.save()
os.startfile(rootpath)
32）排序
#排序
# 以列“Fruit”的标签列来进行升序排列
df_1 = df.sort_values('Fruit',ascending=True)
#两列排序，Fruit进行降序排列，当Fruit中有相同的值则按Price进行降序排序。
df_3 = df.sort_values(['Fruit','Price'],ascending=[False,True])
33）日期列格式修改，5位数字改成正常格式
def Change_date(stamp) :
delta =pd.Timedelta(str(stamp)+'D')
realtime = pd.to_datetime('1899-12-30')+delta
return realtime
rownum =0
for i in sheetCIM["事件发生时间"] :
if len(str(i)) == 5 :
#用函数将日期格式为5位数字的改成yyyy-mm-dd
sheetCIM["事件发生时间"][rownum]=Change_date(sheetCIM["事件发生时间"][rownum])
#将日期格式"2023-02-06 00:00:00"改为“2023-02-06”
sheetCIM["事件发生时间"][rownum]=sheetCIM["事件发生时间"][rownum].strftime("%Y/%m/%d")
#print(sheetCIM["事件发生时间"][rownum])
rownum +=1
34）iloc、loc、openpyxl中cell的关系
import pandas as pd
import os
import glob
import sys
import openpyxl
if getattr(sys,'frozen',False) :
rootpath = os.path.dirname(sys.executable)
elif __file__ :
rootpath = os.path.dirname(__file__)
os.chdir(rootpath)
tmppdold = pd.read_excel("1212.xlsx")
HApd_opxl = openpyxl.load_workbook("1212.xlsx")
HApd_opxl_ws = HApd_opxl["Sheet1"]
print("原表")
print(tmppdold)
tmppd=tmppdold.drop(tmppdold[tmppdold["a"] == 'a4'].index)
print("删除了一行的表")
print(tmppd)
tmppd=tmppdold.drop(columns='b')
print("删除了一列的表")
print(tmppd)
#已知iloc坐标值
print("已知:tmppd.iloc[4,2]："+str(tmppd.iloc[4,2]))
#得到行索引值
print("得到行索引值:tmppd.index[4]："+str(tmppd.index[4]))
#得到对应的列名
print("得到对应的列名:tmppd.columns[2]："+str(tmppd.columns[2]))
#用loc方式表示iloc
print("用loc方式表示iloc:tmppd.loc[tmppd.index[4],tmppd.columns[2]]："+str(tmppd.loc[tmppd.index[4],tmppd.columns[2]]))
#根据列名找到列号
print("根据列名找到列号:tmppd.columns.get_loc(tmppd.columns[2])："+str(tmppd.columns.get_loc(tmppd.columns[2])))
#根据行索引找到行号
print("根据行索引找到行号:tmppd.index.get_loc(tmppd.index[4])："+str(tmppd.index.get_loc(tmppd.index[4])))
#对应openpyxl的行号从1开始，标题也算一行，所以对应pd的索引要+2
print("对应openpyxl的行号从1开始，标题也算一行，所以对应pd的索引要+2:tmppd.index[4]+2："+str(tmppd.index[4]+2))
#对应openpyxl的列号从1开始，所以对应pd要+1,如果列在pd中有调整，要用老表来找
print("对应openpyxl的列号从1开始，所以对应pd要+1,如果列在pd中有调整，要用老表来找:tmppdold.columns.get_loc(tmppd.columns[2])+1："+str(tmppdold.columns.get_loc(tmppd.columns[2])+1))
#用openpyxl方式表示iloc
print ("用openpyxl方式表示iloc:HApd_opxl_ws.cell(tmppd.index[4]+2,tmppd.columns.get_loc(tmppd.columns[2])+1).value："+str(HApd_opxl_ws.cell(tmppd.index[4]+2,tmppdold.columns.get_loc(tmppd.columns[2])+1).value))
原表
a b c d
0 a1 11 111 1111
1 a2 12 112 1112
2 a3 13 113 1113
3 a4 14 114 1114
4 a5 15 115 1115
5 a6 16 116 1116
删除了一行的表
a b c d
0 a1 11 111 1111
1 a2 12 112 1112
2 a3 13 113 1113
4 a5 15 115 1115
5 a6 16 116 1116
删除了一列的表
a c d
0 a1 111 1111
1 a2 112 1112
2 a3 113 1113
3 a4 114 1114
4 a5 115 1115
5 a6 116 1116
已知:tmppd.iloc[4,2]：1115
得到行索引值:tmppd.index[4]：4
得到对应的列名:tmppd.columns[2]：d
用loc方式表示iloc:tmppd.loc[tmppd.index[4],tmppd.columns[2]]：1115
根据列名找到列号:tmppd.columns.get_loc(tmppd.columns[2])：2
根据行索引找到行号:tmppd.index.get_loc(tmppd.index[4])：4
对应openpyxl的行号从1开始，标题也算一行，所以对应pd的索引要+2:tmppd.index[4]+2：6
对应openpyxl的列号从1开始，所以对应pd要+1,如果列在pd中有调整，要用老表来找:tmppdold.columns.get_loc(tmppd.columns[2])+1 ：4
用openpyxl方式表示iloc:HApd_opxl_ws.cell(tmppd.index[4]+2,tmppd.columns.get_loc(tmppd.columns[2])+1).value：1115
35）单元格格式的问题
如果一列都是数字，不管excel中每个设置的是什么格式（文本、邮编等等），pandas会把这一列都识别为class ‘numpy.float64’
如果一列中除了数字还有其他类型，，pandas会把这一列每个单元格单独识别
所以在做数据包含对比isin的时候需要map(str)来吧格式先统一
type(IncreaseOldpd.iloc[0,0])
36）pandas报cannot set a frame with no defined index and a scalar的一个原因
使用pandas时遇到‘ValueError: cannot set a frame with no defined index and a scalar’错误，其中一个原因可能是由于你正在对一个空的dataframe进行操作
在进行此类操作时要通过df.empty或者len(df)进行判断是否为空再进行操作
if not df.empty:
df.loc[:, 'test'] = 1
37）合并后要重置索引
#合并前要把列名统一
datacop=pd.concat([result_cop1,result_cop2,result_cop3,result_cop4,result_cop5])
#去重
datacop=datacop.drop_duplicates(subset='公司名')
print (datacop)
#合并后要重置索引
datacop=datacop.reset_index(drop=True)
print (datacop)
38）拆分单元格为多行
sh_all = pd.read_excel(path,'总览')
# 指定要处理的值
target_value = 'Service Quota'
if target_value in sh_all['产品'].values:
# 获取要处理的行
row_to_process = sh_all[sh_all['产品'] == target_value].index[0]
# 拎出要处理的行
processed_row = sh_all.iloc[row_to_process:row_to_process + 1]
processed_row = processed_row.reset_index(drop=True)
print(sh_all)
print(processed_row)
# 从原表中删除该行
sh_all = sh_all.drop(index=row_to_process)
print(sh_all)
# 将包含换行符的单元格的值拆分成多行
print(processed_row)
processed_row.at[0, '明细'] = processed_row.iloc[0, processed_row.columns.get_loc('明细')].split('\n')
print(processed_row)
# 使用explode将列表拆分成多行
processed_row = processed_row.explode('明细')
# 将其他列的NaN值填充为相邻的非NaN值
processed_row = processed_row.fillna(method='ffill')
processed_row = processed_row.reset_index(drop=True)
processed_row = processed_row.drop(index= 0)
tempp=processed_row['明细'].str.split('_',expand=True)
processed_row = processed_row.copy()
processed_row['产品'] = tempp[0]
# 转换为大写
processed_row['产品'] = processed_row['产品'].str.upper()
print(processed_row)
processed_row['产品'].replace('ALB', 'ELB', inplace=True)
print(processed_row)
# 合并前要把NAN改为空值
processed_row = processed_row.fillna('')
processed_row = processed_row.groupby(["产品","维度","检查项名称","检查内容","风险等级","风险资源数/资源总数","优化建议"])["明细"].apply(lambda x: '\n'.join(map(str, x))).reset_index()
print(processed_row)
# 将处理后的行重新插入到原表中
sh_all = pd.concat([sh_all, processed_row], ignore_index=True)
print(sh_all)
print('完成可用性中服务配额转云服务')
【声明】本内容来自华为云开发者社区博主，不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源（华为云社区）、文章链接、文章作者等基本信息，否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论（0）