Wie erstelle ich einen Pandas Dataframe aus einer Excel-Tabelle

Python - eine der beliebtesten Programmiersprachen im Bereich der Datenanalyse und des maschinellen Lernens. Pandas - eine der häufigsten Python-Bibliotheken für die Arbeit mit Daten, insbesondere Tabellen. In diesem Artikel werden wir uns ansehen, wie wir erstellen pandas dataframe aus einer Excel-Tabelle mit einer Bibliothek pandas.

Der erste Schritt beim Erstellen dataframe ist die Installation der Pandas-Bibliothek. Dazu müssen Sie den Befehl pip install pandas an der Eingabeaufforderung ausführen. Nach der Installation der Bibliothek können wir mit der Erstellung eines dataframe beginnen.

Das Erstellen eines Dataframes aus einer Excel-Tabelle ist ein sehr einfacher Prozess mit der Pandas-Bibliothek. Zuerst müssen wir die Bibliothek mit dem Schlüsselwort import importieren. Dann können wir die Funktion read_excel verwenden, um die Tabelle aus einer Excel-Datei zu lesen und einen Dataframe zu erstellen. Der Pfad zur Excel-Datei kann als absolut oder relativ angegeben werden.

import pandas as pd

dataframe = pd.read_excel('Pfad zu Datei.xlsx')

Datenaufbereitung

Bevor Sie mit dem Erstellen eines Pandas Dataframe aus einer Excel-Tabelle beginnen, müssen Sie einige vorbereitende Arbeiten zur Vorbereitung der Daten durchführen. Dies wird helfen, potenzielle Probleme zu vermeiden und eine genauere und bequemere Datenanalyse zu ermöglichen.

1. Importieren der benötigten Bibliotheken

Der erste Schritt besteht darin, die benötigten Bibliotheken zu importieren, insbesondere Pandas. Es ermöglicht Ihnen, mit Daten in einem strukturierten Format als Tabelle zu arbeiten, was die Hauptfunktionalität zum Erstellen eines Dataframes aus einer Excel-Tabelle ist. Neben Pandas benötigen Sie möglicherweise auch andere Bibliotheken, abhängig von den erforderlichen Aufgaben, z. B. Numpy oder openpyxl.

2. Laden einer Excel-Tabelle

Um einen Dataframe aus einer Excel-Tabelle zu erstellen, müssen Sie die Tabelle selbst laden. Dazu wird die Pandas-Funktion verwendet.read_excel(), mit dem Sie den Dateipfad sowie Parameter wie den Namen des Arbeitsblatts oder den zu lesenden Zellbereich angeben können.

3. Anzeigen und Vorverarbeitung von Daten

Nach dem Laden der Excel-Tabelle wird empfohlen, die Daten mithilfe der head() -Methode im Dataframe anzuzeigen, um sicherzustellen, dass die Daten erfolgreich importiert wurden. Sie können die Daten bei Bedarf bearbeiten, z. B. unnötige Spalten oder Zeilen löschen, fehlende Werte ausfüllen, Datentypen ändern oder Spalten umbenennen.

4. Erstellen eines Dataframe

Nachdem Sie die Daten vorbereitet haben, können Sie mit der Erstellung eines Dataframes beginnen. Dies kann durch Aufrufen der Pandas-Funktion erfolgen.DataFrame(), indem eine geladene Excel-Tabelle als Argument angegeben wird. Optional können Sie Parameter wie Spaltennamen oder Index angeben.

5. Weitere Datenanalyse

Nachdem Sie einen Dataframe erstellt haben, können Sie verschiedene Operationen ausführen und die Daten analysieren. Dies kann das Filtern von Daten nach bestimmten Bedingungen, das Aggregieren von Daten, das Erstellen von Diagrammen und vieles mehr umfassen.

Als Ergebnis der vorbereitenden Arbeit und der Erstellung eines Dataframes erhalten wir eine bequemere und flexiblere Struktur für die Arbeit mit Excel-Tabellendaten, die eine vielfältige Analyse ermöglicht und die gewünschten Ergebnisse liefert.

Öffnen einer Excel-Tabelle

Um einen Pandas-DataFrame aus einer Excel-Tabelle in Python zu erstellen, müssen Sie die Datei zuerst mit der Pandas-Bibliothek öffnen.

Dazu wird die Funktion verwendet read_excel() aus dem Pandas-Modul, mit dem Sie Daten aus Excel-Dateien lesen können.

Stellen Sie vor dem Öffnen einer Excel-Tabelle sicher, dass Sie die erforderliche Pandas-Bibliothek installiert haben. Wenn es nicht installiert ist, können Sie es mit dem folgenden Befehl installieren:

pip install pandas

Nachdem Sie die Pandas-Bibliothek installiert haben, können Sie mit der Arbeit mit einer Excel-Tabelle beginnen, indem Sie sie mit der Funktion öffnen read_excel(). Übergeben Sie als Argument den Pfad zur Excel-Datei oder die URL der Tabelle.

Beispiel für die Verwendung einer Funktion read_excel() so öffnen Sie eine Excel-Tabelle:

import pandas as pd# Открываем таблицу Exceldata = pd.read_excel('путь_к_таблице_excel.xlsx')

Durch die Ausführung dieses Codes werden die Daten aus der Excel-Tabelle in einer Variablen gespeichert data, die für die weitere Arbeit mit dem DataFrame in Pandas verwendet werden kann.

Studieren der Tabellenstruktur

Beachten Sie beim Betrachten der Tabellenstruktur folgende Aspekte:

• Stellen Sie sicher, dass die Tabelle keine zusätzlichen Zeilen oder Spalten enthält.
• Finden Sie heraus, ob die Tabelle einen Titel enthält und wenn ja, wo er sich befindet.
• Schätzen Sie die Dimension der Tabelle, dh die Anzahl der Zeilen und Spalten.
• Sehen Sie sich die ersten Zeilen der Tabelle an, um zu verstehen, welche Daten sie enthält.
• Untersuchen Sie die Datentypen in jeder Spalte, um zu bestimmen, welche Vorgänge für die Daten ausgeführt werden können.
• Stellen Sie sicher, dass die Werte in der Tabelle keine zusätzlichen Leerzeichen oder andere Zeichen enthalten, die sich auf die Verarbeitung der Daten auswirken können.

Validierung und Verarbeitung von Daten

Nachdem Sie einen pandas Dataframe aus einer Excel-Tabelle erstellt haben, müssen Sie die Daten validieren und verarbeiten. Dies wird Ihnen helfen, die Richtigkeit der Daten zu überprüfen und sie für die weitere Analyse vorzubereiten.

Im ersten Schritt wird empfohlen, die Datentypen jeder Dataframe-Spalte zu überprüfen. Verwenden Sie die Methode dtypes um Informationen über den Datentyp jeder Spalte abzurufen. Führen Sie beispielsweise den folgenden Code aus, um die Datentypen in einem df-Dataframe zu überprüfen:

df.dtypes

Wenn falsche Datentypen gefunden werden, können Sie Methoden verwenden astype oder to_datetime zum Konvertieren von Spaltendatentypen in die erforderlichen Spaltendatentypen.

Ein weiterer wichtiger Schritt besteht darin, auf fehlende Daten zu überprüfen. Verwenden Sie Methoden isnull oder isna um die fehlenden Werte zu identifizieren. Führen Sie beispielsweise den folgenden Code aus, um zu überprüfen, ob im df-Dataframe fehlende Werte vorhanden sind:

df.isnull().sum()

Nachdem Sie die fehlenden Werte identifiziert haben, können Sie entscheiden, ob sie verarbeitet werden sollen, z. B. Zeilen löschen oder fehlende Werte ausfüllen.

Es ist auch hilfreich, die Verfügbarkeit zu überprüfen und doppelte Daten zu korrigieren. Verwenden Sie die Methode duplicated um nach Duplikaten zu suchen. Führen Sie beispielsweise den folgenden Code aus, um im df-Dataframe nach Duplikaten zu suchen:

df.duplicated().sum()

Wenn Duplikate gefunden werden, können Sie die Methode verwenden drop_duplicates entfernen von Duplikaten oder Methode replace um die Werte zu korrigieren.

Ein wichtiger Schritt ist auch die Überprüfung auf Anomalien oder Ausreißer in den Daten. Dazu können Sie Methoden zum Arbeiten mit Statistiken verwenden, z. B., describe oder boxplot. Methode describe hier können Sie die grundlegenden Statistiken für jede numerische Spalte des Dataframe abrufen, und die Methode boxplot ermöglicht es Ihnen, die Verteilung von Werten zu visualisieren und Ausreißer zu identifizieren.

Nachdem die Daten validiert und verarbeitet wurden, ist pandas dataframe bereit für die weitere Analyse und Verwendung in maschinellen Lernalgorithmen.