使用pip进行安装。

pip3 install pandas 

导入pandas：

import pandas as pd 

下文使用pd进行pandas的操作。

读写文件 例如，阅读文件excel，csv文件

# df是pandas.core.frame.DataFrame类型 df = pd.read_excel('./data/2020-suv.xlsx') 

# read_csv可指定分割符、编码方法等 df2 = pd.read_csv('./data/2020-suv.csv') 

写入文件：

df.to_excel('./data/2020-suv-new.xlsx') df.to_csv('./data/2020-suv-new.csv') 

all_cols = df.columns print(all_cols) 

# 输出，df.columns并非list类型 Index(['销量排名', '车系', '官方价', 从属品牌, '1-12月销量'], dtype='object') 

# df.columns并非list可转换的类型list cols = list(df.columns) 

获取列数据

col_data = df[u'车系'] mul_col_data = df[ [u车系', u'1-12月销量'] ]

获取行数据

row_data = df.iloc[row_index]

获取所有行数据

all_data = df.values

切片获取多行数据

mul_row_data = df.iloc[2:4]

获取单元格数据

cell_data = df.iloc[row_index][col_index]

Excel数据筛选比较实用，用pandas同样可以，并且筛选代码保存后，下次可以直接使用。

某个字段包含指定值

# 包含一个值，na表示是否需要填充，case表示是否区分大小写，更强大的是contains还支持正则表达式
sub_df = df[ df[col_name].str.contains('key1', na=False, case=False) ]

# 包含多个值，多次调用即可
sub_df1 = df[ df[col_name].str.contains('key1', na=False, case=False) ]
sub_df2 = sub_df1[ sub_df1[col_name].str.contains('key2', na=False, case=False) ]

# 包含多个值(或） sub_df = df[ df[col_name].str.contains('key1|key2|key3', na=False, case=False) ]

# 不包含，也就是非的过滤
sub_df = df[ ~df[col_name].str.contains('key1', na=False, case=False) ]

上述操作，都假设字段类型是字符串类型，不然会抛异常。可以通过以下的方法，可以判断字段是否是字符类型：

pd.api.types.is_string_dtype(df[u'车系'])

# 其他类型也有类似的函数，可以用dir查看有哪些类型判断
print(dir(pd.api.types))

# 可以通过dtypes查看字段的类型
pd.dtypes
pd[u'1-12月销量'].dtypes

条件过滤

# 大于
df[ df['1-12月销量'] > 50000 ] .values

# 相等
df[ df['1-12月销量'] == 50000 ] .values

数据写入

添加一行数据：

# 插在最后，row_datas是list
df.loc[len(df.index)] = row_datas

插入一列数据

# 在指定列前面插上一列数据
df.insert( col_index, col_name, col_datas, True)

更新某个单元值

df.iloc[row][col] = u'new-data'

删除一列

df2 = df.drop('官方价', axis=1, inplace=False)
print(df2)