Python pandas ist eine leistungsstarke Datenarbeitsbibliothek, die praktische Werkzeuge zum Analysieren, Verarbeiten und Visualisieren von Informationen bietet. Eine der häufigsten Aufgaben, mit denen Analysten und Entwickler konfrontiert sind, besteht darin, Daten in das Excel-Format zu schreiben. In diesem Artikel werden wir uns mit Pandas befassen, um Excel-Dateien mit Daten zu erstellen und zu speichern.
Python pandas verfügt über eine Vielzahl von Funktionen für die Arbeit mit Datentabellen, die als DataFrame bezeichnet werden. Mit diesen Funktionen können Sie ganz einfach neue Tabellen erstellen, deren Inhalt ändern und die Ergebnisse in verschiedenen Formaten speichern. Um Daten in Excel zu schreiben, verwenden wir die Methode to_excel(), mit der Sie den DataFrame in eine Excel-Datei speichern können. Diese Methode verfügt über mehrere Optionen, mit denen Sie den Exportvorgang für Daten konfigurieren können.
Bevor Sie mit dem Schreiben von Daten in Excel beginnen, müssen Sie die Pandas-Bibliothek installieren. Dies kann mit dem pip-Paketverwaltungstool erfolgen. Die Installation wird mit einem einzigen Befehl ausgeführt:
pip install pandas
Nachdem Pandas erfolgreich installiert wurde, können wir mit dem Erstellen und Speichern von Daten in Excel beginnen. Erstellen Sie zunächst eine einfache Tabelle mit mehreren Spalten und füllen Sie sie mit Daten aus. Dann rufen wir die Methode to_excel() auf und geben den Namen der Datei an, in die wir unsere Daten schreiben werden. Wenn die Datei bereits vorhanden ist, ersetzt pandas sie durch die neue Datei. Wenn keine Datei vorhanden ist, erstellt pandas sie automatisch.
Python: Arbeiten mit Pandas und Schreiben in Excel
Eine Möglichkeit, Daten in Pandas darzustellen und mit ihnen zu arbeiten, ist ein DataFrame, eine Tabelle mit Spalten- und Zeilenbeschriftungen. Mit dem DataFrame können Sie Datenoperationen wie Filtern, Sortieren, Aggregieren und andere durchführen. Die im DataFrame angezeigten Daten können jedoch zur späteren Verwendung oder zum Austausch mit anderen Systemen in andere Formate exportiert werden.
Eines der gängigsten Formate für den Datenaustausch ist Microsoft Excel. Mit dem openpyxl-Paket können Sie mit Python Daten aus einem DataFrame in Excel-Dateien schreiben. Dazu müssen Sie den Dateipfad und den Namen des Arbeitsblatts angeben, auf dem die Daten gespeichert werden sollen. Das Schreiben in eine Excel-Datei kann entweder als neue Datei oder durch Hinzufügen von Daten zu einer vorhandenen Datei erfolgen, abhängig von der zum Schreiben verwendeten Methode.
| Funktion | Die Beschreibung |
|---|---|
| to_excel() | Schreibt Daten aus einem DataFrame in eine Excel-Datei |
| to_excel(writer, sheet_name='Sheet1', startrow=0, startcol=0) | Schreibt Daten aus einem DataFrame mithilfe eines Writer-Objekts in eine Excel-Datei |
| writer.save() | Speichert die an der Excel-Datei vorgenommenen Änderungen |
Nachdem wir die Daten in eine Excel-Datei geschrieben haben, können wir diese Datei verwenden, um Daten auf anderen Systemen wie Microsoft Excel oder anderen Tabellenkalkulationsprogrammen zu analysieren.
Abschließend eröffnen die Arbeit mit Pandas und das Schreiben von Daten in eine Excel-Datei die Möglichkeit, Daten mit anderen Systemen zu analysieren und auszutauschen. Die Verwendung von Pandas und openpyxl bietet bequeme und effektive Werkzeuge für die Arbeit mit Daten in Python.
Pandas-Modul installieren und importieren
Bevor Sie Pandas verwenden, müssen Sie es auf Ihrem Computer installieren. Die Installation von Pandas erfolgt über das pip-Paketverwaltungstool.
Um Pandas zu installieren, geben Sie an der Eingabeaufforderung den folgenden Befehl ein:
pip install pandas
Nachdem Pandas erfolgreich installiert wurde, können Sie es in Ihrem Code verwenden. Dazu müssen Sie das Modul in Ihr Programm importieren. Verwenden Sie den folgenden Befehl, um das Pandas-Modul zu importieren:
import pandas as pd
Jetzt können Sie alle Funktionen und Methoden verwenden, die vom Pandas-Modul bereitgestellt werden. Das Pandas-Modul wird häufig zusammen mit anderen Bibliotheken wie NumPy und Matplotlib verwendet, um Daten zu verarbeiten, zu analysieren und zu visualisieren.
Erstellen eines DataFrame
Es gibt mehrere Möglichkeiten, einen DataFrame zu erstellen:
- Aus einer Liste von Listen oder einem NumPy-Array.
- Aus einem Wörterbuch, wobei Schlüssel Spaltennamen sind und Werte Daten sind.
- Aus einer Excel-Datei.
- Aus der Datenbank und mehr.
Sie können auch einen leeren DataFrame erstellen und ihn nach Bedarf mit Daten füllen.
Erstellen eines DataFrames aus einer Listenliste
Betrachten Sie ein Beispiel zum Erstellen eines DataFrames aus einer Listenliste:
import pandas as pddata = [['John', 28, 'USA'],['Alice', 32, 'UK'],['Tom', 45, 'Canada']]df = pd.DataFrame(data, columns=['Name', 'Age', 'Country'])print(df)Ergebnis der Codeausführung:
| Name | Age | Country |
|---|---|---|
| John | 28 | USA |
| Alice | 32 | UK |
| Tom | 45 | Canada |
In diesem Beispiel haben wir einen DataFrame aus einer Liste von Data-Listen erstellt, indem wir die Spaltennamen im columns-Argument angeben. Wenn Sie einen DataFrame erstellen, müssen alle Listenelemente dieselbe Größe haben.
Erstellen eines DataFrame aus einem Wörterbuch
Betrachten wir ein Beispiel zum Erstellen eines DataFrame aus einem Wörterbuch:
import pandas as pddata = df = pd.DataFrame(data)print(df)Ergebnis der Codeausführung:
| Name | Age | Country |
|---|---|---|
| John | 28 | USA |
| Alice | 32 | UK |
| Tom | 45 | Canada |
In diesem Beispiel haben wir einen DataFrame aus dem data Dictionary erstellt, wobei die Wörterbuchschlüssel die Spaltennamen und die Werte die Daten sind. Beim Erstellen eines DataFrame müssen alle Wörterbuchwerte gleich groß sein.
Jetzt wissen Sie, wie Sie einen DataFrame aus einer Liste von Listen oder einem Wörterbuch erstellen. Dies ist der grundlegende Schritt, um mit Daten in Pandas zu arbeiten und sie in Excel-Dateien zu schreiben.
