现代办公室里几乎任何一项工作都会用到Excel，每打开一个job deion，我们都会看到一句“要求掌握Excel”。对于程序员来说最好用的数据分析一定是Python中最常用的数据分析包Pandas了。

初识Pandas

Pandas是一个Python的核心数据分析支持库，它提供了强大的一维数组和二维数组处理能力，其非常擅长与处理二维表结构，带行列标签的矩阵数据，时间序列数据。

Pandas提供的两个主要数据结构一维数组（Series）和二维数组（DataFrame）强力的支撑着当今金融、统计、社会科学、工程等诸多领域的数据分析工作。

通过Pandas我们可以方便的操作数据的增、查、改、删、合并、重塑、分组、统计分析，此外Pandas还提供了非常成熟的I/O工具，用于读取文本文件，excel文件，数据库等不同来源数据，利用超快的HDF5格式保存/加载数据。

还有非常重要的一点，pandas是完全免费的开源软件，而且还不受操作系统的限制——在Windows和MacOS上都能跑的溜溜的。

Pandas到底强在哪里？

1、Pandas很快，Pandas是基于numpy开发的，此外Pandas的很多底层算法都经过Cython优化。

2、强大的包容性，利用Pandas可以将Python或Numpy里不规则的数据结构，轻松转换为DataFrame。

3、灵活、直观的数据处理能力，通过分组、合并、重塑等操作，灵活、直观、便捷的进行数据预处理。

4、专业的统计分析能力，Pandas提供了很多便捷的诸如相关性分析、时序分析、描述性统计等数据分析API。

现在的就业形势是：无论你是不是应聘数据相关的岗位，掌握pandas无疑都可以增加你的职场竞争力。

心动吗？想学吗？小编这就为大家奉上一节免费Python系列直播课程《轻松使用Pandas玩转Excel》。在本节公开课中我们将学到Excell的替换、对比、合并，以及QT封装脚本。

想象一下，用Excel加载一个大型数据表格就需要2分钟，一个Vlookup或者求和公式的操作又要用去5分钟，当表格发生变化时，可能还要重新进行计算，而一个简单的Python+pandas脚本就可能把你一个小时的工作量缩短到20秒之内完成。

举例对比

例子一：使用行索引，查看每一个Name的Quality，price汇总数据

1、pandas实现

pd.pivot_table(df, index=['Name'])

运行效果如下：

当我们只指定index时，就是指定了行标签，pivot_table函数会默认按照平均值，汇总所有的数值字段。由于Account字段被pandas“理解”成了数值类型的(可以通过df.dtypes查看)，所以结果中出现了Account列。上面的结果表示每个Name的Account，Price，Quantity的平均值。

2、Excel实现选中数据区域，插入，数据透视表，将Name字段拉倒“行”区域，Account，Price，Quantity拉入“值”区域，并将三者的字段汇总方式设置为平均值。

整个步骤的流程及运行结果如下图所示：

可以看到Excel默认会有一个汇总行。以Quantity为例，它的“总计”值是所有的Quantity求和之后，除以Name的个数。

如果想用Pandas实现这种效果，可以加入margins=True参数，效果如下，出现了All行，由于Account和Price是整数，所以all行也是整数，Quantity是小数，相应的All行也是小数。Excel的总计行也可以在“设计”选项卡，“总计”，“对行和列禁用去掉”。

例子二：使用多个行索引，查看每个Manager的每个Rep对应的Account，Price，Quantity汇总值

1、pandas实现

pd.pivot_table(df, index=['Manager', 'Rep'], margins=True)

运行效果如下：

2.Excel实现在前面基础上，将Manager，Rep拉到“行”的位置即可。效果如下图，可以看到，在关键的数值上，两个结果是一致的，只是在形式上有所不同。

为了在形式上更接近pandas的结果，可以设置透视表的布局。选择“设计”选项卡，报表布局，选择“大纲形式显示”即可，效果如上图所示。

仔细观察，发现excel里对每一个Manager都做了汇总。这个可以通过“设计”选项卡，“分类汇总”，“不显示分类汇总”去掉。

**长按识别
**

获取直播链接/课件/回放

福利：豆花同学为大家精心整理了一份关于linux和python的学习资料大合集！有需要的小伙伴们，关注豆花个人公众号：python头条！回复关键词“资料合集”即可免费领取！