假设有Excel文件data.xlsx，其中内容为：
ID age height sex weight
张三 1 39 181 female 85
李四 2 40 180 male 80
王五 3 38 178 female 78
赵六 4 59 170 male 66
现在需要将这个Excel文件中的数据读入pandas，并且在后续的处理中不关心ID列，还需要把sex列的female替换为1，把sex列的male替换为0。本文演示有关的几个操作。
（1）导入pandas模块
>>> import pandas as pd
（2）把Excel文件中的数据读入pandas
df = pd.read_excel('data.xlsx')
df
执行效果：
ID age height sex weight
张三 1 39 181 female 85
李四 2 40 180 male 80
王五 3 38 178 female 78
赵六 4 59 170 male 66
（3）删除ID列
可以得到新的DataFrame：
>>> df.drop('ID', axis=1)
age height sex weight
张三 39 181 female 85
李四 40 180 male 80
王五 38 178 female 78
赵六 59 170 male 66
也可以直接在原DataFrame上原地删除：
df.drop('ID', axis=1, inplace=True)
df
age height sex weight
张三 39 181 female 85
李四 40 180 male 80
王五 38 178 female 78
赵六 59 170 male 66
（4）替换sex列
方法一：使用replace()方法替换sex列，得到新的DataFrame，如果指定参数inplace=True，则可以原地替换。
>>> df.replace({'female':1, 'male':0})
age height sex weight
df.replace({'female':1, 'male':0})
age height sex weight
张三 39 181 1 85
李四 40 180 0 80
王五 38 178 1 78
赵六 59 170 0 66
方法二：使用map()方法+lambda表达式，原地替换。
df1 = df[:]
df1['sex'] = df1['sex'].map(lambda x:1 if x=='female' else 0)
df1
age height sex weight
张三 39 181 1 85
李四 40 180 0 80
王五 38 178 1 78
赵六 59 170 0 66
方法三：使用map()方法+字典，原地替换。
df1 = df[:]
df1['sex'] = df1['sex'].map({'female':1, 'male':0})
df1
age height sex weight
张三 39 181 1 85
李四 40 180 0 80
王五 38 178 1 78
赵六 59 170 0 66
方法四：使用loc类，原地替换。
>>>
df1 = df[:]
>>> df1.loc[df['sex']=='female', 'sex'] = 1
>>> df1.loc[df['sex']=='male', 'sex'] = 0
>>> df1
age height sex weight
张三 39 181 1 85
李四 40 180 0 80
王五 38 178 1 78
赵六 59 170 0 66
二、运用上述功能进行实战
1、先读取一个excel文件：
代码如下：
df = pd.read_excel('file:///D:/文档/Python成绩.xlsx', index_col=None, na_values=['NA']) # 读取excel文件中的数据
如果想知道文件是否读取成功可以用print函数将数据输出
如：
print(df)
然后会显示文件的数据，效果如下：
2、修改excel文件内容：
运用上述的 方法三：使用map()方法+字典，原地替换。
现在要将优秀改为90，良好改为80，及格改为60
代码如下：
df1=df[:]
df1['第二次']=df1['第二次'].map({'优秀':90,'良好':80,'及格':60})
df1['第三次:圆周率']=df1['第三次:圆周率'].map({'优秀':90,'良好':80,'及格':60})
df1['第四次：汉诺塔']=df1['第四次：汉诺塔'].map({'优秀':90,'良好':80,'及格':60})
df1['第五次：jieba库']=df1['第五次：jieba库'].map({'优秀':90,'良好':80,'及格':60})
df1['第六次：图片处理']=df1['第六次：图片处理'].map({'优秀':90,'良好':80,'及格':60})
效果如下：
三、再将上述的NaN改为0
只需要用数据清洗之缺失数据填充fillna（）就可以完成
运行代码如下：
df1=df1.fillna(0)
print(df1)
效果如下：
四、最后将excel文件保存为csv文件
代码如下：
df1.to_csv('D:/文档\\thon.csv')
最后会在你保存的文件你多了一个csv文件。
五、同时可以将csv文件保存为html格式
方法一(用工具实现）:
代码如下：
df1.to_html('d:\\st.html')
同样会在你保存的文件夹中会多出一个html格式的文件
方法二：
代码如下：
seg1 = '''
<!DOCTYPE HTML>\n<html>\n<body>\n<meta charset=gb2312>
<h2 align=center>2016年7月部分大中城市新建住宅价格指数</h2>
<table border='1' align="center" width=70%>
<tr bgcolor='orange'>\n'''
seg2 = "</tr>\n"
seg3 = "</table>\n</body>\n</html>"
def fill_data(locls):
seg = '<tr><td align="center">{}</td><td align="center">{}</td><td align="center">{}</td><td align="center">{}</td></tr>\n'.format(*locls)
return seg
fr = open("D:\\文档\Python123.csv", "r",encoding="utf-8-sig")
ls = []
for line in fr:
line = line.replace("\n","")
ls.append(line.split(","))
fr.close()
fw = open("D:\\文档\Python5.html", "w")
fw.write(seg1)
fw.write('<th width="25%">{}</th>\n<th width="25%">{}</th>\n<th width="25%">{}</th>\n<th width="25%">{}</th>\n'.format(*ls[0]))
fw.write(seg2)
for i in range(len(ls)-1):
fw.write(fill_data(ls[i+1]))
fw.write(seg3)
fw.close()