Theo mặc định, Excel không in tiêu đề cột [A, B, C, v.v. ] hoặc tiêu đề hàng [1, 2, 3, v.v. ] xuất hiện dọc theo đường viền của trang tính
Làm theo các bước sau để in tiêu đề cột và hàng cho trang tính
Bấm vào trang tính. Nếu bạn muốn làm điều này cho nhiều trang tính, bạn có thể nhóm chúng lại
Trên Ribbon, bấm vào tab Bố cục Trang
Trong nhóm Tùy chọn Trang tính, bên dưới Đầu đề, chọn hộp kiểm In
Ghi chú. Bạn cũng có thể nhấp vào biểu tượng mở rộng nhỏ
Để in trang tính, hãy nhấn CTRL+P để mở hộp thoại In, rồi bấm OK
Lời khuyên
Để xem trước trang tính trước khi in, hãy nhấn CTRL+F2
Theo mặc định, Excel sử dụng kiểu tham chiếu A1, tham chiếu đến các cột dưới dạng chữ cái và hàng dưới dạng số. Nếu bạn thấy số thay vì chữ cái trong tiêu đề cột thì sổ làm việc của bạn đang sử dụng kiểu tham chiếu R1C1 thay thế. Để chuyển về kiểu tham chiếu A1, hãy đi tới Tệp > Tùy chọn > Công thức, sau đó, bên dưới Làm việc với công thức, hãy bỏ chọn hộp kiểm kiểu tham chiếu R1C1
Nếu bạn đang sử dụng Excel 2007, hãy nhấp vào Nút Microsoft Office
rồi nhấp vào Tùy chọn Excel > Công thức.Bạn không thể tùy chỉnh số và chữ cái trong tiêu đề hàng và cột. Nếu mục tiêu của bạn là gắn nhãn các cột hoặc hàng trong trang tính của mình, chỉ cần bấm vào một ô, nhập văn bản bạn muốn sử dụng, rồi nhấn TAB để di chuyển đến ô tiếp theo. Ví dụ: bạn có thể gắn nhãn số lượng bán hàng hàng tháng bằng cách nhập tên tháng vào ô A1 đến L1
Bạn có thể sử dụng tính năng điền trong Excel để nhanh chóng tạo nhãn, chẳng hạn như chuỗi tháng. Để biết thêm thông tin, hãy xem Tự động điền dữ liệu vào ô trang tính. Bạn cũng có thể thiết lập dữ liệu của mình dưới dạng bảng Excel, bảng này có thể tự động đặt hàng đầu tiên làm hàng tiêu đề
Để in dữ liệu cụ thể ở đầu hoặc bên cạnh của mỗi trang được in—chẳng hạn như tên của các tháng xuất hiện trên hàng đầu tiên của trang tính—hãy xem Lặp lại hàng hoặc cột trên mỗi trang được in
Bạn có thể lấy số lượng hàng trong Pandas DataFrame bằng cách sử dụng thuộc tính
9 vàimport pandas as pd import numpy as np technologies= { 'Courses':["Spark","PySpark","Hadoop","Python","Pandas"], 'Courses Fee' :[22000,25000,23000,24000,26000], 'Duration':['30days','50days','30days', None,np.nan], 'Discount':[1000,2300,1000,1200,2500] } df = pd.DataFrame[technologies] print[df]
0. Pandas cho phép chúng tôi có được hình dạng của DataFrame bằng cách đếm số lượng hàng trong DataFrameimport pandas as pd import numpy as np technologies= { 'Courses':["Spark","PySpark","Hadoop","Python","Pandas"], 'Courses Fee' :[22000,25000,23000,24000,26000], 'Duration':['30days','50days','30days', None,np.nan], 'Discount':[1000,2300,1000,1200,2500] } df = pd.DataFrame[technologies] print[df]
Thuộc tính
1 trả về các hàng và cột, đối với các hàng lấy nó từ chỉ mục đầu tiên bằng 0; . Ngoài ra, để tìm số hàng tồn tại trong DataFrame, bạn có thể sử dụng DataFrame. Count[], nhưng đây không phải là phương pháp được khuyến nghị do các vấn đề về hiệu suấtimport pandas as pd import numpy as np technologies= { 'Courses':["Spark","PySpark","Hadoop","Python","Pandas"], 'Courses Fee' :[22000,25000,23000,24000,26000], 'Duration':['30days','50days','30days', None,np.nan], 'Discount':[1000,2300,1000,1200,2500] } df = pd.DataFrame[technologies] print[df]
nguồn. ngăn xếp chồng lên nhau. comTrong bài viết này, tôi sẽ giải thích cách đếm hoặc tìm số lượng hàng DataFrame với các ví dụ
1. Ví dụ nhanh về Lấy số hàng trong DataFrame
Nếu bạn đang vội, dưới đây là một số ví dụ nhanh về cách lấy số lượng hàng [số lượng hàng] trong DataFrame của gấu trúc
rows_count = len[df.index] rows_count = len[df.axes[0]] rows_count = df.shape[0] rows_count = df.count[][0]
Nếu bạn là người mới học Pandas, hãy đọc hết bài viết vì tôi đã giải thích các ví dụ này với dữ liệu mẫu để hiểu rõ hơn
Hãy tạo một Khung dữ liệu Pandas với một từ điển gồm các danh sách, các tên cột của Khung dữ liệu gấu trúc
2,import pandas as pd import numpy as np technologies= { 'Courses':["Spark","PySpark","Hadoop","Python","Pandas"], 'Courses Fee' :[22000,25000,23000,24000,26000], 'Duration':['30days','50days','30days', None,np.nan], 'Discount':[1000,2300,1000,1200,2500] } df = pd.DataFrame[technologies] print[df]
3,import pandas as pd import numpy as np technologies= { 'Courses':["Spark","PySpark","Hadoop","Python","Pandas"], 'Courses Fee' :[22000,25000,23000,24000,26000], 'Duration':['30days','50days','30days', None,np.nan], 'Discount':[1000,2300,1000,1200,2500] } df = pd.DataFrame[technologies] print[df]
4,import pandas as pd import numpy as np technologies= { 'Courses':["Spark","PySpark","Hadoop","Python","Pandas"], 'Courses Fee' :[22000,25000,23000,24000,26000], 'Duration':['30days','50days','30days', None,np.nan], 'Discount':[1000,2300,1000,1200,2500] } df = pd.DataFrame[technologies] print[df]
5import pandas as pd import numpy as np technologies= { 'Courses':["Spark","PySpark","Hadoop","Python","Pandas"], 'Courses Fee' :[22000,25000,23000,24000,26000], 'Duration':['30days','50days','30days', None,np.nan], 'Discount':[1000,2300,1000,1200,2500] } df = pd.DataFrame[technologies] print[df]
import pandas as pd import numpy as np technologies= { 'Courses':["Spark","PySpark","Hadoop","Python","Pandas"], 'Courses Fee' :[22000,25000,23000,24000,26000], 'Duration':['30days','50days','30days', None,np.nan], 'Discount':[1000,2300,1000,1200,2500] } df = pd.DataFrame[technologies] print[df]
Sản lượng dưới sản lượng
Courses Courses Fee Duration Discount 0 Spark 22000 30days 1000 1 PySpark 25000 50days 2300 2 Hadoop 23000 30days 1000 3 Python 24000 None 1200 4 Pandas 26000 NaN 2500
2. Nhận số hàng trong DataFrame
Bạn có thể sử dụng
9 để tìm số hàng trong pandas DataFrame,import pandas as pd import numpy as np technologies= { 'Courses':["Spark","PySpark","Hadoop","Python","Pandas"], 'Courses Fee' :[22000,25000,23000,24000,26000], 'Duration':['30days','50days','30days', None,np.nan], 'Discount':[1000,2300,1000,1200,2500] } df = pd.DataFrame[technologies] print[df]
7 trả vềimport pandas as pd import numpy as np technologies= { 'Courses':["Spark","PySpark","Hadoop","Python","Pandas"], 'Courses Fee' :[22000,25000,23000,24000,26000], 'Duration':['30days','50days','30days', None,np.nan], 'Discount':[1000,2300,1000,1200,2500] } df = pd.DataFrame[technologies] print[df]
8 và sử dụng nó trênimport pandas as pd import numpy as np technologies= { 'Courses':["Spark","PySpark","Hadoop","Python","Pandas"], 'Courses Fee' :[22000,25000,23000,24000,26000], 'Duration':['30days','50days','30days', None,np.nan], 'Discount':[1000,2300,1000,1200,2500] } df = pd.DataFrame[technologies] print[df]
9 để lấy số lượng. Bạn cũng có thể sử dụngimport pandas as pd import numpy as np technologies= { 'Courses':["Spark","PySpark","Hadoop","Python","Pandas"], 'Courses Fee' :[22000,25000,23000,24000,26000], 'Duration':['30days','50days','30days', None,np.nan], 'Discount':[1000,2300,1000,1200,2500] } df = pd.DataFrame[technologies] print[df]
0 nhưng điều này hoạt động chậm hơn khi so sánh vớiCourses Courses Fee Duration Discount 0 Spark 22000 30days 1000 1 PySpark 25000 50days 2300 2 Hadoop 23000 30days 1000 3 Python 24000 None 1200 4 Pandas 26000 NaN 2500
9 vì nó có ít lệnh gọi hàm hơn. Cả hai đều nhanh hơnimport pandas as pd import numpy as np technologies= { 'Courses':["Spark","PySpark","Hadoop","Python","Pandas"], 'Courses Fee' :[22000,25000,23000,24000,26000], 'Duration':['30days','50days','30days', None,np.nan], 'Discount':[1000,2300,1000,1200,2500] } df = pd.DataFrame[technologies] print[df]
0 để đếmimport pandas as pd import numpy as np technologies= { 'Courses':["Spark","PySpark","Hadoop","Python","Pandas"], 'Courses Fee' :[22000,25000,23000,24000,26000], 'Duration':['30days','50days','30days', None,np.nan], 'Discount':[1000,2300,1000,1200,2500] } df = pd.DataFrame[technologies] print[df]
Nếu hiệu suất không phải là một hạn chế, tốt hơn hãy sử dụng
0 vì điều này gọn gàng và dễ đọcCourses Courses Fee Duration Discount 0 Spark 22000 30days 1000 1 PySpark 25000 50days 2300 2 Hadoop 23000 30days 1000 3 Python 24000 None 1200 4 Pandas 26000 NaN 2500
3rows_count = len[df.index] rows_count = len[df.axes[0]] rows_count = df.shape[0] rows_count = df.count[][0]
3. Nhận số lượng hàng trong DataFrame bằng phương pháp
4Courses Courses Fee Duration Discount 0 Spark 22000 30days 1000 1 PySpark 25000 50days 2300 2 Hadoop 23000 30days 1000 3 Python 24000 None 1200 4 Pandas 26000 NaN 2500
Pandas cũng cung cấp thuộc tính
5 trả về một bộ trục DataFrame của bạn cho các hàng và cột. Truy cập các trục[0] và gọiCourses Courses Fee Duration Discount 0 Spark 22000 30days 1000 1 PySpark 25000 50days 2300 2 Hadoop 23000 30days 1000 3 Python 24000 None 1200 4 Pandas 26000 NaN 2500
6 để trả về số lượng hàng. Đối với số lượng cột, hãy sử dụngCourses Courses Fee Duration Discount 0 Spark 22000 30days 1000 1 PySpark 25000 50days 2300 2 Hadoop 23000 30days 1000 3 Python 24000 None 1200 4 Pandas 26000 NaN 2500
7. Ví dụ.Courses Courses Fee Duration Discount 0 Spark 22000 30days 1000 1 PySpark 25000 50days 2300 2 Hadoop 23000 30days 1000 3 Python 24000 None 1200 4 Pandas 26000 NaN 2500
8Courses Courses Fee Duration Discount 0 Spark 22000 30days 1000 1 PySpark 25000 50days 2300 2 Hadoop 23000 30days 1000 3 Python 24000 None 1200 4 Pandas 26000 NaN 2500
9rows_count = len[df.index] rows_count = len[df.axes[0]] rows_count = df.shape[0] rows_count = df.count[][0]
4. sử dụng df. shape[0] để lấy số lượng hàng
Pandas
1 trả về số lượng hàng và cột,import pandas as pd import numpy as np technologies= { 'Courses':["Spark","PySpark","Hadoop","Python","Pandas"], 'Courses Fee' :[22000,25000,23000,24000,26000], 'Duration':['30days','50days','30days', None,np.nan], 'Discount':[1000,2300,1000,1200,2500] } df = pd.DataFrame[technologies] print[df]
0 được sử dụng để lấy số lượng hàng. Sử dụngimport pandas as pd import numpy as np technologies= { 'Courses':["Spark","PySpark","Hadoop","Python","Pandas"], 'Courses Fee' :[22000,25000,23000,24000,26000], 'Duration':['30days','50days','30days', None,np.nan], 'Discount':[1000,2300,1000,1200,2500] } df = pd.DataFrame[technologies] print[df]
1 để lấy số lượng cộtimport pandas as pd import numpy as np technologies= { 'Courses':["Spark","PySpark","Hadoop","Python","Pandas"], 'Courses Fee' :[22000,25000,23000,24000,26000], 'Duration':['30days','50days','30days', None,np.nan], 'Discount':[1000,2300,1000,1200,2500] } df = pd.DataFrame[technologies] print[df]
1import pandas as pd import numpy as np technologies= { 'Courses':["Spark","PySpark","Hadoop","Python","Pandas"], 'Courses Fee' :[22000,25000,23000,24000,26000], 'Duration':['30days','50days','30days', None,np.nan], 'Discount':[1000,2300,1000,1200,2500] } df = pd.DataFrame[technologies] print[df]
5. sử dụng df. phương pháp đếm []
Đây không phải là cách tiếp cận được khuyến nghị do hiệu suất của nó, nhưng tôi vẫn cần đề cập đến điều này vì đây cũng là một trong những cách tiếp cận để lấy số lượng hàng của DataFrame. Lưu ý rằng điều này bỏ qua các giá trị từ các cột có
32 hoặcrows_count = len[df.index] rows_count = len[df.axes[0]] rows_count = df.shape[0] rows_count = df.count[][0]
33 trong khi tính toán số lượng. Như bạn thấy, DataFrame của tôi chứa 2 giá trị Không/nan trong cộtrows_count = len[df.index] rows_count = len[df.axes[0]] rows_count = df.shape[0] rows_count = df.count[][0]
4 do đó nó trả về 3 thay vì 5 trong ví dụ bên dướiin [df. count[]] # Kết quả bên dưới, count[] trả về số lượng của từng cột Khóa học 5 Học phí khóa học 5 Thời lượng 3 Giảm giá 5 dtype. int64import pandas as pd import numpy as np technologies= { 'Courses':["Spark","PySpark","Hadoop","Python","Pandas"], 'Courses Fee' :[22000,25000,23000,24000,26000], 'Duration':['30days','50days','30days', None,np.nan], 'Discount':[1000,2300,1000,1200,2500] } df = pd.DataFrame[technologies] print[df]
Bây giờ hãy xem cách lấy số lượng hàng
5import pandas as pd import numpy as np technologies= { 'Courses':["Spark","PySpark","Hadoop","Python","Pandas"], 'Courses Fee' :[22000,25000,23000,24000,26000], 'Duration':['30days','50days','30days', None,np.nan], 'Discount':[1000,2300,1000,1200,2500] } df = pd.DataFrame[technologies] print[df]
Phần kết luận
Trong bài viết này, bạn đã học cách tìm/lấy số lượng hàng [đơn giản là số lượng hàng] trong DataFrame bằng cách sử dụng cả
1 của DataFrame, bạn đã học cách lấy nó từimport pandas as pd import numpy as np technologies= { 'Courses':["Spark","PySpark","Hadoop","Python","Pandas"], 'Courses Fee' :[22000,25000,23000,24000,26000], 'Duration':['30days','50days','30days', None,np.nan], 'Discount':[1000,2300,1000,1200,2500] } df = pd.DataFrame[technologies] print[df]
36 vàrows_count = len[df.index] rows_count = len[df.axes[0]] rows_count = df.shape[0] rows_count = df.count[][0]
37,rows_count = len[df.index] rows_count = len[df.axes[0]] rows_count = df.shape[0] rows_count = df.count[][0]
38 và những người khácrows_count = len[df.index] rows_count = len[df.axes[0]] rows_count = df.shape[0] rows_count = df.count[][0]