当前位置 博文首页 > pandas快速处理Excel,替换Nan,转字典的操作
import pandas as pd # 参数1：文件路径，参数2：sheet名 pf = pd.read_excel(path, sheet_name='sheet1')
# 通过列名删除指定列 pf.drop(['序号', '替代', '签名'], axis=1, inplace=True)
# 旧列名 新列名对照
columns_map = {
'列名1': 'newname_1',
'列名2': 'newname_2',
'列名3': 'newname_3',
'列名4': 'newname_4',
'列名5': 'newname_5',
# 没有列名的情况
'Unnamed: 10': 'newname_6',
}
new_fields = list(columns_map.values())
pf.rename(columns=columns_map, inplace=True)
pf = pf[new_fields]
通常使用
pf.fillna('新值')
替换表格中的空值，（Nan）。
但是，你可能会发现 fillna() 会有不好使的时候，记得加上 inplace=True
# 加上 inplace=True 表示修改原对象
pf.fillna('新值', inplace=True)
官方对 inplace 的解释
inplace : boolean, default False
If True, fill in place. Note: this will modify any other views on this object, (e.g. a no-copy slice for a column in a DataFrame).
你可能会发现，输出表格的时候会出现隐藏中间列的情况，只输出首列和尾列，中间用 … 替代。
加上下面的这句话，再打印的话，就会全列打印。
pd.set_option('display.max_columns', None)
print(pf)
pf_dict = pf.to_dict(orient='records')
全部代码
import pandas as pd
pf = pd.read_excel(path, sheet_name='sheet1')
columns_map = {
'列名1': 'newname_1',
'列名2': 'newname_2',
'列名3': 'newname_3',
'列名4': 'newname_4',
'列名5': 'newname_5',
# 没有列名的情况
'Unnamed: 10': 'newname_6',
}
new_fields = list(columns_map.values())
pf.drop(['序号', '替代', '签名'], axis=1, inplace=True)
pf.rename(columns=columns_map, inplace=True)
pf = pf[new_fields]
pf.fillna('Unknown', inplace=True)
# pd.set_option('display.max_columns', None)
# print(smt)
pf_dict = pf.to_dict(orient='records')
补充：python pandas replace 0替换成nan，bfill/ffill
一般情况下，0 替换成nan会写成
df.replace(0, None, inplace=True)
然而替换不了，应该是这样的
df.replace(0, np.nan, inplace=True)
df.ffill(axis=0) # 用前一个值替换 df.bfill(axis=0) # 用后一个值替换
以上为个人经验，希望能给大家一个参考，也希望大家多多支持站长博客。如有错误或未考虑完全的地方，望不吝赐教。
js