programming excel

Hướng dẫn does pandas work with excel? - gấu trúc có hoạt động với excel không?

Ngày 8 tháng 12 năm 2017

Tại sao học cách làm việc với Excel với Python? Excel là một trong những công cụ dữ liệu phổ biến và được sử dụng rộng rãi nhất; Thật khó để tìm thấy một tổ chức không làm việc với nó theo một cách nào đó. Từ các nhà phân tích, đến VPS bán hàng, đến CEO, nhiều chuyên gia khác nhau sử dụng Excel cho cả số liệu thống kê nhanh và khủng hoảng dữ liệu nghiêm trọng.

Với Excel rất phổ biến, các chuyên gia dữ liệu phải quen thuộc với nó. Làm việc với dữ liệu trong Python hoặc R mang lại lợi thế nghiêm trọng so với UI Excel, vì vậy, việc tìm cách làm việc với Excel bằng mã là rất quan trọng. Rất may, có một công cụ tuyệt vời đã có sẵn để sử dụng Excel với Python được gọi là

movies_sheet1 = pd.read_excel[excel_file, sheetname=0, index_col=0]
movies_sheet1.head[]

Pandas có các phương pháp tuyệt vời để đọc tất cả các loại dữ liệu từ các tệp Excel. Bạn cũng có thể xuất kết quả của mình từ gấu trúc trở lại Excel, nếu điều đó được ưa thích bởi đối tượng dự định của bạn. Gandas là tuyệt vời cho các nhiệm vụ phân tích dữ liệu thông thường khác, chẳng hạn như:

Phân tích dữ liệu thăm dò nhanh [EDA]
Vẽ những lô hấp dẫn
Cho dữ liệu vào các công cụ học máy như Scikit-learn
Xây dựng các mô hình học máy trên dữ liệu của bạn
Lấy dữ liệu được làm sạch và xử lý đến bất kỳ số lượng công cụ dữ liệu nào

Pandas tốt hơn trong việc tự động hóa các tác vụ xử lý dữ liệu hơn Excel, bao gồm cả xử lý các tệp Excel.

Trong hướng dẫn này, chúng tôi sẽ chỉ cho bạn cách làm việc với các tệp excel trong gấu trúc. Chúng tôi sẽ bao gồm các khái niệm sau.

Thiết lập máy tính của bạn với phần mềm cần thiết
Đọc trong dữ liệu từ các tệp excel vào gấu trúc
Thăm dò dữ liệu trong gấu trúc
Trực quan hóa dữ liệu trong gấu trúc bằng thư viện trực quan matplotlib
Thao tác và định hình lại dữ liệu trong gấu trúc
chuyển dữ liệu từ gấu trúc sang excel

Lưu ý rằng hướng dẫn này không cung cấp một cú lặn sâu vào gấu trúc. Để khám phá gấu trúc nhiều hơn, hãy xem khóa học của chúng tôi.

Điều kiện tiên quyết của hệ thống

Chúng tôi sẽ sử dụng máy tính xách tay Python 3 và Jupyter để trình bày mã trong hướng dẫn này. Ngoài ra vào Notebook Python và Jupyter, bạn sẽ cần các mô -đun Python sau:

matplotlib - trực quan hóa dữ liệu
Numpy - Chức năng dữ liệu số
OpenPyXL - Đọc/Viết các tệp XLSX/XLSM Excel 2010
Gấu trúc-Nhập dữ liệu, dọn dẹp, thăm dò và phân tích
XLRD - Đọc dữ liệu Excel
XLWT - Viết cho Excel
Xlsxwriter - ghi vào các tệp Excel [XLSX]

Có nhiều cách để được thiết lập với tất cả các mô -đun. Chúng tôi bao gồm ba trong số các kịch bản phổ biến nhất dưới đây.

Nếu bạn đã cài đặt Python thông qua Trình quản lý gói Anaconda, bạn có thể cài đặt các mô -đun cần thiết bằng lệnh
```
movies_sheet2 = pd.read_excel[excel_file, sheetname=1, index_col=0]
movies_sheet2.head[]
```
0. Ví dụ: để cài đặt gấu trúc, bạn sẽ thực thi lệnh -
```
movies_sheet2 = pd.read_excel[excel_file, sheetname=1, index_col=0]
movies_sheet2.head[]
```
1.
Nếu bạn đã cài đặt một Python thường xuyên, không phải anaconda trên máy tính, bạn có thể cài đặt các mô-đun cần thiết bằng cách sử dụng
```
movies_sheet2 = pd.read_excel[excel_file, sheetname=1, index_col=0]
movies_sheet2.head[]
```
2. Mở chương trình dòng lệnh của bạn và thực thi lệnh
```
movies_sheet2 = pd.read_excel[excel_file, sheetname=1, index_col=0]
movies_sheet2.head[]
```
3 để cài đặt mô -đun. Bạn nên thay thế
```
movies_sheet2 = pd.read_excel[excel_file, sheetname=1, index_col=0]
movies_sheet2.head[]
```
4 bằng tên thực tế của mô -đun bạn đang cố gắng cài đặt. Ví dụ: để cài đặt gấu trúc, bạn sẽ thực thi lệnh -
```
movies_sheet2 = pd.read_excel[excel_file, sheetname=1, index_col=0]
movies_sheet2.head[]
```
5.
Nếu bạn không có Python đã được cài đặt, bạn nên nhận nó thông qua Trình quản lý gói Anaconda. Anaconda cung cấp các trình cài đặt cho máy tính Windows, Mac và Linux. Nếu bạn chọn trình cài đặt đầy đủ, bạn sẽ nhận được tất cả các mô -đun bạn cần, cùng với Python và Pandas trong một gói duy nhất. Đây là cách dễ nhất và nhanh nhất để bắt đầu.

Các tập dữ liệu

Trong hướng dẫn này, chúng tôi sẽ sử dụng tệp Excel nhiều tờ mà chúng tôi đã tạo từ dữ liệu điểm số Kaggle IMDB. Bạn có thể tải xuống tập tin ở đây.

Tệp Excel của chúng tôi có ba tờ: ‘1900, năm 2000, và năm 2010. Mỗi tờ có dữ liệu cho các bộ phim từ những năm đó.

Chúng tôi sẽ sử dụng bộ dữ liệu này để tìm phân phối xếp hạng cho các bộ phim, trực quan hóa phim có xếp hạng cao nhất và thu nhập ròng và tính toán thông tin thống kê về các bộ phim. Chúng tôi sẽ phân tích và khám phá dữ liệu này bằng Python và Pandas, do đó thể hiện khả năng của Pandas để làm việc với dữ liệu Excel trong Python.

Đọc dữ liệu từ tệp Excel

Trước tiên chúng ta cần nhập dữ liệu từ tệp excel vào gấu trúc. Để làm điều đó, chúng tôi bắt đầu bằng cách nhập mô -đun Pandas.

import pandas as pd

Sau đó, chúng tôi sử dụng phương pháp Pandas, Read_excel để đọc trong dữ liệu từ tệp Excel. Cách dễ nhất để gọi phương thức này là chuyển tên tệp. Nếu không có tên trang tính được chỉ định thì nó sẽ đọc bảng đầu tiên trong chỉ mục [như hiển thị bên dưới].

excel_file = 'movies.xls'
movies = pd.read_excel[excel_file]

Ở đây, phương thức

movies_sheet2 = pd.read_excel[excel_file, sheetname=1, index_col=0]
movies_sheet2.head[]

6 Đọc dữ liệu từ tệp Excel vào đối tượng DataFrame của gấu trúc. Pandas mặc định lưu trữ dữ liệu trong DataFrames. Sau đó, chúng tôi đã lưu trữ khung dữ liệu này vào một biến gọi là

movies_sheet2 = pd.read_excel[excel_file, sheetname=1, index_col=0]
movies_sheet2.head[]

Pandas có phương pháp

movies_sheet2 = pd.read_excel[excel_file, sheetname=1, index_col=0]
movies_sheet2.head[]

8 tích hợp mà chúng ta có thể sử dụng để dễ dàng hiển thị một vài hàng đầu tiên của DataFrame. Nếu không có đối số nào được thông qua, nó sẽ hiển thị năm hàng đầu tiên. Nếu một số được truyền, nó sẽ hiển thị số lượng hàng bằng nhau từ trên cùng.

movies.head[]

Tiêu đềNămThể loạiNgôn ngữQuốc giaXếp hạng nội dungKhoảng thời gianTỷ lệ khung hìnhNgân sáchTổng thu nhập…Thích Facebook - Diễn viên 1Thích Facebook - Diễn viên 2Thích Facebook - Diễn viên 3Thích Facebook - Tổng số diễn viênThích Facebook - PhimFacenumber trong áp phíchPhiếu bầu của người dùngĐánh giá của người dùngĐánh giá của CRTIICSĐiểm IMDB 01234

Không khoan dung: Tình yêu cuộc đấu tranh trong suốt thời đại	1916	Kịch \| Lịch sử \| Chiến tranh	Nan	Hoa Kỳ	Không được đánh giá	123	1.33	385907.0	Nan	Hoa Kỳ	436	22	9.0	481	691	1	10718	88	69.0	8.0
Không được đánh giá	1920	…	Nan	Hoa Kỳ	Nan	110	1.33	100000.0	3000000.0	Hoa Kỳ	2	2	0.0	4	0	1	5	1	1.0	4.8
Không được đánh giá	1925	…	Nan	Hoa Kỳ	Không được đánh giá	151	1.33	245000.0	Nan	Hoa Kỳ	81	12	6.0	108	226	0	4849	45	48.0	8.3
Không được đánh giá	1927	…	Trên ngọn đồi đến nhà nghèo	Tội phạm \| kịch	Không được đánh giá	145	1.33	6000000.0	26435.0	Hoa Kỳ	136	23	18.0	203	12000	1	111841	413	260.0	8.3
Không được đánh giá	1929	…	Trên ngọn đồi đến nhà nghèo	Tội phạm \| kịch	Không được đánh giá	110	1.33	Nan	9950.0	Hoa Kỳ	426	20	3.0	455	926	1	7431	84	71.0	8.0

Không được đánh giá

…

Trên ngọn đồi đến nhà nghèo

Tội phạm | kịch

movies_sheet1 = pd.read_excel[excel_file, sheetname=0, index_col=0]
movies_sheet1.head[]

NămThể loạiNgôn ngữQuốc giaXếp hạng nội dungKhoảng thời gianTỷ lệ khung hìnhNgân sáchTổng thu nhập……Thích Facebook - Diễn viên 1Thích Facebook - Diễn viên 2Thích Facebook - Diễn viên 3Thích Facebook - Tổng số diễn viênThích Facebook - PhimFacenumber trong áp phíchPhiếu bầu của người dùngĐánh giá của người dùngĐánh giá của CRTIICSĐiểm IMDB Tiêu đềKhông khoan dung: Tình yêu cuộc đấu tranh trong suốt thời đạiKhông được đánh giáKhông được đánh giáKhông được đánh giáKhông được đánh giá

1916	Kịch \| Lịch sử \| Chiến tranh	Nan	Hoa Kỳ	Không được đánh giá	123	1.33	385907.0	Nan	Hoa Kỳ	Hoa Kỳ	436	22	9.0	481	691	1	10718	88	69.0	8.0
1920	…	Nan	Hoa Kỳ	Nan	110	1.33	100000.0	3000000.0	Hoa Kỳ	Hoa Kỳ	2	2	0.0	4	0	1	5	1	1.0	4.8
1925	…	Nan	Hoa Kỳ	Không được đánh giá	151	1.33	245000.0	Nan	Hoa Kỳ	Hoa Kỳ	81	12	6.0	108	226	0	4849	45	48.0	8.3
1927	…	Trên ngọn đồi đến nhà nghèo	Tội phạm \| kịch	Không được đánh giá	145	1.33	6000000.0	26435.0	…	Hoa Kỳ	136	23	18.0	203	12000	1	111841	413	260.0	8.3
1929	…	Trên ngọn đồi đến nhà nghèo	Tội phạm \| kịch	Không được đánh giá	110	1.33	Nan	9950.0	Hoa Kỳ	Hoa Kỳ	426	20	3.0	455	926	1	7431	84	71.0	8.0

Không được đánh giá

…

movies_sheet2 = pd.read_excel[excel_file, sheetname=1, index_col=0]
movies_sheet2.head[]

2000	Kịch \| Lịch sử \| Chiến tranh	Nan	Hoa Kỳ	Không được đánh giá	100.0	1.85	85000000.0	66941559.0	…	Hoa Kỳ	2000.0	795.0	439.0	4182	372	1	26413	77.0	84.0	4.8
2000	…	Nan	Hoa Kỳ	Không được đánh giá	103.0	1.37	43000000.0	37035515.0	…	Hoa Kỳ	12000.0	10000.0	664.0	23864	0	1	34597	194.0	116.0	6.0
2000	…	Nan	Hoa Kỳ	Không được đánh giá	82.0	1.85	6000000.0	9821335.0	…	Hoa Kỳ	939.0	706.0	585.0	3354	118	1	1415	10.0	22.0	4.0
2000	…	Nan	Hoa Kỳ	Nan	106.0	1.85	6500000.0	64148.0	Hoa Kỳ	Hoa Kỳ	844.0	2.0	0.0	846	260	0	2601	35.0	28.0	7.3
2000	…	Nan	Hoa Kỳ	Không được đánh giá	220.0	2.35	57000000.0	15527125.0	…	Hoa Kỳ	13000.0	861.0	820.0	15006	652	2	11388	183.0	85.0	5.8

Không được đánh giá

movies_sheet3 = pd.read_excel[excel_file, sheetname=2, index_col=0]
movies_sheet3.head[]

2010.0	Cuộc phiêu lưu \| Tiểu sử \| Kịch \| Thriller	Tiếng Anh	Hoa Kỳ	R	94.0	1.85	18000000.0	18329466.0	Danny Boyle	…	11000.0	642.0	223.0	11984	63000	0.0	279179	440.0	450.0	7.6
2010.0	Kịch	Tiếng Anh	Hoa Kỳ	R	88.0	Danny Boyle	300000.0	Danny Boyle	…	…	795.0	659.0	301.0	1884	92	0.0	554	23.0	20.0	5.2
2010.0	3 sân sau	Kịch	Nan	Eric Mendelsohn	119.0	2.35	Danny Boyle	59774.0	…	…	24.0	20.0	9.0	69	2000	0.0	4212	18.0	76.0	6.8
2010.0	Kịch	Tiếng Anh	Hoa Kỳ	R	80.0	1.78	2500000.0	99851.0	Danny Boyle	…	191.0	12.0	5.0	210	0	0.0	1138	30.0	28.0	7.1
2010.0	Kịch	Tiếng Anh	Hoa Kỳ	R	88.0	2.35	Danny Boyle	Danny Boyle	…	…	783.0	749.0	602.0	3874	0	2.0	5385	22.0	56.0	6.1

3 sân sau

Kịch

Nan

Eric Mendelsohn

movies.shape

[5042, 24]

Hài kịch | Kịch | lãng mạn

tiếng Đức

xlsx = pd.ExcelFile[excel_file]
movies_sheets = []
for sheet in xlsx.sheet_names:
   movies_sheets.append[xlsx.parse[sheet]]
movies = pd.concat[movies_sheets]

nước Đức

Không được đánh giá

Tom Tykwer

8: Đề xuất Mormon

Phim tài liệu

movies.shape

excel_file = 'movies.xls'
movies = pd.read_excel[excel_file]

Sậy Cowan

Một câu chuyện rùa rùa: Cuộc phiêu lưu của Sammy

Adventure | Hoạt hình | Gia đình

Tiêu đềPhápPGBen Stassen5 hàng × 24 cộtVì cả ba tờ đều có dữ liệu tương tự nhưng đối với các bản ghi khác nhau, chúng tôi sẽ tạo một khung dữ liệu duy nhất từ cả ba khung dữ liệu mà chúng tôi đã tạo ở trên. Chúng tôi sẽ sử dụng phương thức Pandas

movies_sheet3 = pd.read_excel[excel_file, sheetname=2, index_col=0]
movies_sheet3.head[]

4 cho việc này và chuyển tên của ba khung dữ liệu mà chúng tôi vừa tạo và gán kết quả cho một đối tượng DataFrame mới,

movies_sheet2 = pd.read_excel[excel_file, sheetname=1, index_col=0]
movies_sheet2.head[]

7. Bằng cách giữ tên DataFrame giống như trước đây, chúng tôi đang viết quá nhiều DataFrame được tạo trước đó.

movies = pd.concat[[movies_sheet1, movies_sheet2, movies_sheet3]]

Chúng ta có thể kiểm tra xem sự kết hợp này bằng cách kiểm tra số lượng hàng trong khung dữ liệu kết hợp bằng cách gọi phương thức

movies_sheet3 = pd.read_excel[excel_file, sheetname=2, index_col=0]
movies_sheet3.head[]

6 trên đó sẽ cung cấp cho chúng ta số lượng hàng và cột.Sử dụng lớp Excelfile để đọc nhiều tờChúng tôi cũng có thể sử dụng lớp Excelfile để làm việc với nhiều tờ từ cùng một tệp Excel. Trước tiên chúng tôi bọc tệp Excel bằng cách sử dụng

movies_sheet3 = pd.read_excel[excel_file, sheetname=2, index_col=0]
movies_sheet3.head[]

7 và sau đó chuyển nó sang phương thức

movies_sheet2 = pd.read_excel[excel_file, sheetname=1, index_col=0]
movies_sheet2.head[]

6.Nếu bạn đang đọc một tệp Excel có rất nhiều tờ và đang tạo ra nhiều khung dữ liệu,

movies_sheet3 = pd.read_excel[excel_file, sheetname=2, index_col=0]
movies_sheet3.head[]

7 sẽ thuận tiện và hiệu quả hơn so với

movies_sheet2 = pd.read_excel[excel_file, sheetname=1, index_col=0]
movies_sheet2.head[]

6. Với Excelfile, bạn chỉ cần truyền tệp Excel một lần và sau đó bạn có thể sử dụng nó để lấy DataFrames. Khi sử dụng

movies_sheet2 = pd.read_excel[excel_file, sheetname=1, index_col=0]
movies_sheet2.head[]

6, bạn vượt qua tệp Excel mỗi lần và do đó tệp được tải lại cho mỗi tờ. Đây có thể là một lực kéo hiệu suất lớn nếu tệp Excel có nhiều tờ với số lượng lớn hàng.Khám phá dữ liệuBây giờ chúng tôi đã đọc trong bộ dữ liệu phim từ tệp Excel của chúng tôi, chúng tôi có thể bắt đầu khám phá nó bằng gấu trúc. DataFrame của Pandas lưu trữ dữ liệu theo định dạng bảng, giống như cách Excel hiển thị dữ liệu trong một tờ. Pandas có rất nhiều phương pháp tích hợp để khám phá DataFrame mà chúng tôi đã tạo từ tệp Excel mà chúng tôi vừa đọc.Chúng tôi đã giới thiệu phương thức

movies = pd.concat[[movies_sheet1, movies_sheet2, movies_sheet3]]

2 trong phần trước hiển thị vài hàng từ trên cùng từ DataFrame. Hãy cùng xem xét thêm một vài phương pháp có ích trong khi khám phá tập dữ liệu.Chúng ta có thể sử dụng phương thức

movies_sheet3 = pd.read_excel[excel_file, sheetname=2, index_col=0]
movies_sheet3.head[]

6 để tìm ra số lượng hàng và cột cho DataFrame.Điều này cho chúng tôi biết tệp Excel của chúng tôi có 5042 bản ghi và 25 cột hoặc quan sát. Điều này có thể hữu ích trong việc báo cáo số lượng hồ sơ và cột và so sánh đó với tập dữ liệu nguồn.Chúng ta có thể sử dụng phương thức

movies = pd.concat[[movies_sheet1, movies_sheet2, movies_sheet3]]

4 để xem các hàng dưới cùng. Nếu không có tham số nào được truyền, chỉ có năm hàng dưới cùng được trả về.Phiếu bầu của người dùngĐánh giá của người dùngĐánh giá của CRTIICSĐiểm IMDB 15991600160116021603

`excel_file = 'movies.xls' movies = pd.read_excel[excel_file]` 2	Danny Boyle	…	Tiếng Anh	3 sân sau	Kịch	Danny Boyle	16.00	Danny Boyle	Danny Boyle	…	1000.0	888.0	502.0	4528	11000	1.0	9277	44.0	10.0	8.2
3 sân sau	Danny Boyle	…	Tiếng Anh	Hoa Kỳ	Danny Boyle	30.0	1.33	Danny Boyle	Danny Boyle	…	685.0	511.0	424.0	1884	1000	5.0	7646	56.0	19.0	7.3
3 sân sau	Danny Boyle	…	Tiếng Anh	3 sân sau	Danny Boyle	Danny Boyle	2.00	Danny Boyle	Danny Boyle	…	511.0	457.0	206.0	1617	954	0.0	726	6.0	2.0	7.1
3 sân sau	Danny Boyle	…	Tiếng Anh	3 sân sau	Danny Boyle	142.0	Danny Boyle	Danny Boyle	Danny Boyle	…	27000.0	698.0	427.0	29196	0	2.0	6053	33.0	9.0	7.7
3 sân sau	Danny Boyle	…	3 sân sau	Kịch	Danny Boyle	24.0	Danny Boyle	Danny Boyle	Danny Boyle	…	0.0	Danny Boyle	Danny Boyle	0	124	0.0	12417	51.0	6.0	7.0

…

3 sân sau

excel_file = 'movies.xls'
movies = pd.read_excel[excel_file]

Kịch

excel_file = 'movies.xls'
movies = pd.read_excel[excel_file]

excel_file = 'movies.xls'
movies = pd.read_excel[excel_file]

Chúng tôi cũng có thể tạo ra một cốt truyện cho 10 bộ phim hàng đầu bằng tổng thu nhập. Pandas giúp dễ dàng trực quan hóa dữ liệu của bạn với các sơ đồ và biểu đồ thông qua Matplotlib, một thư viện trực quan hóa dữ liệu phổ biến. Với một vài dòng mã, bạn có thể bắt đầu vẽ đồ thị. Hơn nữa, các sơ đồ matplotlib hoạt động tốt bên trong máy tính xách tay Jupyter vì bạn có thể thay thế các lô ngay dưới mã.

Đầu tiên, chúng tôi nhập mô -đun matplotlib và đặt matplotlib để hiển thị các lô ngay trong sổ ghi chép Jupyter.

excel_file = 'movies.xls'
movies = pd.read_excel[excel_file]

Chúng tôi sẽ vẽ một âm mưu thanh nơi mỗi thanh sẽ đại diện cho một trong 10 bộ phim hàng đầu. Chúng ta có thể làm điều này bằng cách gọi phương thức cốt truyện và đặt đối số

movies = pd.concat[[movies_sheet1, movies_sheet2, movies_sheet3]]

6 thành

movies = pd.concat[[movies_sheet1, movies_sheet2, movies_sheet3]]

7. Điều này nói với

movies = pd.concat[[movies_sheet1, movies_sheet2, movies_sheet3]]

8 để vẽ một âm mưu thanh ngang.

excel_file = 'movies.xls'
movies = pd.read_excel[excel_file]

Hãy để tạo ra một biểu đồ của điểm số IMDB để kiểm tra phân phối điểm IMDB trên tất cả các bộ phim. Biểu đồ là một cách tốt để trực quan hóa phân phối của một tập dữ liệu. Chúng tôi sử dụng phương thức

movies = pd.concat[[movies_sheet1, movies_sheet2, movies_sheet3]]

9 trên chuỗi IMDB điểm số từ các bộ phim của chúng tôi DataFrame và truyền cho nó đối số.

excel_file = 'movies.xls'
movies = pd.read_excel[excel_file]

Trực quan hóa dữ liệu này cho thấy rằng hầu hết các điểm IMDB đều giảm từ sáu đến tám.

Nhận thông tin thống kê về dữ liệu

Pandas có một số phương pháp rất tiện dụng để xem dữ liệu thống kê về tập dữ liệu của chúng tôi. Ví dụ: chúng ta có thể sử dụng phương pháp

movies.shape

0 để có được bản tóm tắt thống kê của tập dữ liệu.

excel_file = 'movies.xls'
movies = pd.read_excel[excel_file]

NămKhoảng thời gianTỷ lệ khung hìnhNgân sáchTổng thu nhậpThích Facebook - Giám đốcThích Facebook - Diễn viên 1Thích Facebook - Diễn viên 2Thích Facebook - Diễn viên 3Thích Facebook - Tổng số diễn viênThích Facebook - PhimFacenumber trong áp phíchPhiếu bầu của người dùngĐánh giá của người dùngĐánh giá của CRTIICSĐiểm IMDBđếmbần tiệnSTDTối thiểu25%50%75%Tối đa

4935.000000	5028.000000	4714.000000	4.551000e+03	4.159000e+03	4938.000000	5035.000000	5029.000000	5020.000000	5042.000000	5042.000000	5029.000000	5.042000e+03	5022.000000	4993.000000	5042.000000
2002.470517	107.201074	2.220403	3.975262e+07	4.846841e+07	686.621709	6561.323932	1652.080533	645.009761	9700.959143	7527.457160	1.371446	8.368475e+04	272.770808	140.194272	6.442007
12.474599	25.197441	1.385113	2.061149e+08	6.845299e+07	2813.602405	15021.977635	4042.774685	1665.041728	18165.101925	19322.070537	2.013683	1.384940e+05	377.982886	121.601675	1.125189
1916.000000	7.000000	1.180000	2.180000e+02	1.620000e+02	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	5.000000e+00	1.000000	1.000000	1.600000
1999.000000	93.000000	1.850000	6.000000e+06	5.340988e+06	7.000000	614.500000	281.000000	133.000000	1411.250000	0.000000	0.000000	8.599250e+03	65.000000	50.000000	5.800000
2005.000000	103.000000	2.350000	2.000000e+07	2.551750e+07	49.000000	988.000000	595.000000	371.500000	3091.000000	166.000000	1.000000	3.437100e+04	156.000000	110.000000	6.600000
2011.000000	118.000000	2.350000	4.500000e+07	6.230944e+07	194.750000	11000.000000	918.000000	636.000000	13758.750000	3000.000000	2.000000	9.634700e+04	326.000000	195.000000	7.200000
2016.000000	511.000000	16.000000	1.221550e+10	7.605058e+08	23000.000000	640000.000000	137000.000000	23000.000000	656730.000000	349000.000000	43.000000	1.689764e+06	5060.000000	813.000000	9.500000

Phương thức

movies.shape

0 hiển thị thông tin bên dưới cho từng cột.

số lượng hoặc số lượng giá trị
bần tiện
STD
Tối thiểu
Tối đa

Phương thức

movies.shape

0 hiển thị thông tin bên dưới cho từng cột.

số lượng hoặc số lượng giá trị

movies.head[]

movies.head[]

độ lệch chuẩn

Tối thiểu, tối đa

25%, 50%và 75%lượng tử

Xin lưu ý rằng thông tin này sẽ chỉ được tính toán cho các giá trị số.

Chúng tôi cũng có thể sử dụng phương pháp tương ứng để truy cập thông tin này cùng một lúc. Ví dụ: để có được giá trị trung bình của một cột cụ thể, bạn có thể sử dụng phương thức

movies.shape

2 trên cột đó.

movies.head[]

0123456789…1516171819202122232401234

Đô thị	1927	Kịch \| khoa học viễn tưởng	tiếng Đức	nước Đức	Không được đánh giá	145	1.33	6000000.0	26435.0	…	136	23	18.0	203	12000	1	111841	413	260.0	8.3
Hộp Pandora	1929	Tội ác \| Kịch \| lãng mạn	tiếng Đức	nước Đức	Không được đánh giá	110	1.33	…	9950.0	…	426	20	3.0	455	926	1	7431	84	71.0	8.0
Hộp Pandora	1929	Tội ác \| Kịch \| lãng mạn	Nan	Giai điệu Broadway	Nhạc kịch \| Lãng mạn	100	1.37	379000.0	2808000.0	…	77	28	4.0	109	167	8	4546	71	36.0	6.3
Hộp Pandora	1930	Tội ác \| Kịch \| lãng mạn	Nan	Giai điệu Broadway	Nhạc kịch \| Lãng mạn	96	1.20	3950000.0	…	…	431	12	4.0	457	279	1	3753	53	35.0	7.8
Hộp Pandora	1932	Tội ác \| Kịch \| lãng mạn	Nan	Giai điệu Broadway	Nhạc kịch \| Lãng mạn	79	1.37	800000.0	…	…	998	164	99.0	1284	213	1	3519	46	42.0	6.6

Hộp Pandora

Tội ác | Kịch | lãng mạn

Nan

movies.head[]

Giai điệu BroadwayNhạc kịch | Lãng mạnTiếng AnhHoa KỳThông quaThiên thần ác quỷKịch | Chiến tranhMột lời chia tay với vũ khíKịch | lãng mạn | chiến tranhKhông được đánh giá…5 hàng × 25 cộtChúng tôi đã bỏ qua bốn hàng từ tấm và sử dụng không có hàng nào làm tiêu đề. Ngoài ra, lưu ý rằng người ta có thể kết hợp các tùy chọn khác nhau trong một câu lệnh đọc. Để bỏ qua các hàng ở dưới cùng của trang tính, bạn có thể sử dụng tùy chọn

movies.shape

7, hoạt động giống như

movies.shape

6, sự khác biệt duy nhất là các hàng được tính từ phía dưới lên trên.Các tên cột trong DataFrame trước đó là số và được phân bổ là mặc định bởi các gấu trúc. Chúng ta có thể đổi tên các tên cột thành các tên mô tả bằng cách gọi phương thức

movies.shape

9 trên DataFrame và chuyển tên cột làm danh sách.Tiêu đềNămThể loạiNgôn ngữQuốc giaXếp hạng nội dungKhoảng thời gian 01234

Đô thị	1927	Kịch \| khoa học viễn tưởng	tiếng Đức	nước Đức	Không được đánh giá	145	1.33	6000000.0	26435.0	…	136	23	18.0	203	12000	1	111841	413	260.0	8.3
Hộp Pandora	1929	Tội ác \| Kịch \| lãng mạn	tiếng Đức	nước Đức	Không được đánh giá	110	1.33	…	9950.0	…	426	20	3.0	455	926	1	7431	84	71.0	8.0
Hộp Pandora	1929	Tội ác \| Kịch \| lãng mạn	Nan	Giai điệu Broadway	Nhạc kịch \| Lãng mạn	100	1.37	379000.0	2808000.0	…	77	28	4.0	109	167	8	4546	71	36.0	6.3
Hộp Pandora	1930	Tội ác \| Kịch \| lãng mạn	Nan	Giai điệu Broadway	Nhạc kịch \| Lãng mạn	96	1.20	3950000.0	…	…	431	12	4.0	457	279	1	3753	53	35.0	7.8
Hộp Pandora	1932	Tội ác \| Kịch \| lãng mạn	Nan	Giai điệu Broadway	Nhạc kịch \| Lãng mạn	79	1.37	800000.0	…	…	998	164	99.0	1284	213	1	3519	46	42.0	6.6

Hộp Pandora

Tội ác | Kịch | lãng mạn

Nan

Giai điệu Broadway

movies.head[]

Giai điệu BroadwayNhạc kịch | Lãng mạnTiếng AnhHoa KỳThông quaThiên thần ác quỷKịch | Chiến tranh01234

Một lời chia tay với vũ khí	1916	Kịch \| lãng mạn \| chiến tranh	…	Giai điệu Broadway	Không được đánh giá	123
Nhạc kịch \| Lãng mạn	1920	Tiếng Anh	…	Giai điệu Broadway	…	110
Hộp Pandora	1925	Tội ác \| Kịch \| lãng mạn	…	Giai điệu Broadway	Không được đánh giá	151
Đô thị	1927	Kịch \| khoa học viễn tưởng	tiếng Đức	nước Đức	Không được đánh giá	145
Hộp Pandora	1929	Tội ác \| Kịch \| lãng mạn	tiếng Đức	nước Đức	Không được đánh giá	110

Nhạc kịch | Lãng mạn

Tiếng Anh

Hoa Kỳ

movies.head[]

Thông qua

Thiên thần ác quỷ

movies.head[]

Kịch | Chiến tranh

Một lời chia tay với vũ khí

Kịch | lãng mạn | chiến tranh

movies.head[]

NămTổng thu nhập01234

1916.0	Nan
1920.0	3000000.0
1925.0	Nan
1927.0	26435.0
1929.0	9950.0

Bây giờ chúng tôi gọi

[5042, 24]

2 trên tập hợp dữ liệu này. Phương pháp

[5042, 24]

2 có tham số

[5042, 24]

4. Như đã đề cập, chúng tôi muốn sử dụng năm làm chỉ số.

movies.head[]

Tổng thu nhậpNăm1916.01920.01925.01927.01929.0

Nan

3000000.0

Nan

26435.0

1408975.0

Bây giờ chúng tôi gọi

[5042, 24]

2 trên tập hợp dữ liệu này. Phương pháp

[5042, 24]

2 có tham số

[5042, 24]

4. Như đã đề cập, chúng tôi muốn sử dụng năm làm chỉ số.

Điều này đã cho chúng tôi một bảng xoay vòng với nhóm trong năm và tóm tắt về tổng thu nhập gộp. Thông báo, chúng tôi đã không cần chỉ định cột thu nhập gộp rõ ràng là gấu trúc tự động xác định nó là các giá trị mà việc tóm tắt nên được áp dụng.

Chúng ta có thể sử dụng bảng trục này để tạo một số trực quan hóa dữ liệu. Chúng ta có thể gọi phương thức

movies = pd.concat[[movies_sheet1, movies_sheet2, movies_sheet3]]

9 trên DataFrame để tạo biểu đồ dòng và gọi phương thức

[5042, 24]

6 để hiển thị biểu đồ trong sổ ghi chép.

movies.head[]

movies_sheet1 = pd.read_excel[excel_file, sheetname=0, index_col=0]
movies_sheet1.head[]

Chúng tôi đã thấy cách xoay vòng với một cột là chỉ mục. Mọi thứ sẽ trở nên thú vị hơn nếu chúng ta có thể sử dụng nhiều cột. Hãy để tạo ra một tập hợp dữ liệu khác nhưng lần này chúng tôi sẽ chọn các cột, quốc gia, ngôn ngữ và thu nhập gộp.Quốc giaTổng thu nhập01234

Nan	Nan	Nan
Nan	Nan	3000000.0
Nan	Nan	Nan
Bây giờ chúng tôi gọi `[5042, 24]` 2 trên tập hợp dữ liệu này. Phương pháp `[5042, 24]` 2 có tham số `[5042, 24]` 4. Như đã đề cập, chúng tôi muốn sử dụng năm làm chỉ số.	Điều này đã cho chúng tôi một bảng xoay vòng với nhóm trong năm và tóm tắt về tổng thu nhập gộp. Thông báo, chúng tôi đã không cần chỉ định cột thu nhập gộp rõ ràng là gấu trúc tự động xác định nó là các giá trị mà việc tóm tắt nên được áp dụng.	26435.0
Bây giờ chúng tôi gọi `[5042, 24]` 2 trên tập hợp dữ liệu này. Phương pháp `[5042, 24]` 2 có tham số `[5042, 24]` 4. Như đã đề cập, chúng tôi muốn sử dụng năm làm chỉ số.	Điều này đã cho chúng tôi một bảng xoay vòng với nhóm trong năm và tóm tắt về tổng thu nhập gộp. Thông báo, chúng tôi đã không cần chỉ định cột thu nhập gộp rõ ràng là gấu trúc tự động xác định nó là các giá trị mà việc tóm tắt nên được áp dụng.	9950.0

Chúng ta có thể sử dụng bảng trục này để tạo một số trực quan hóa dữ liệu. Chúng ta có thể gọi phương thức

movies = pd.concat[[movies_sheet1, movies_sheet2, movies_sheet3]]

9 trên DataFrame để tạo biểu đồ dòng và gọi phương thức

[5042, 24]

6 để hiển thị biểu đồ trong sổ ghi chép.

movies_sheet1 = pd.read_excel[excel_file, sheetname=0, index_col=0]
movies_sheet1.head[]

Tổng thu nhậpChúng tôi đã thấy cách xoay vòng với một cột là chỉ mục. Mọi thứ sẽ trở nên thú vị hơn nếu chúng ta có thể sử dụng nhiều cột. Hãy để tạo ra một tập hợp dữ liệu khác nhưng lần này chúng tôi sẽ chọn các cột, quốc gia, ngôn ngữ và thu nhập gộp.Quốc giaNgôn ngữHoa Kỳnước Đứctiếng ĐứcChúng tôi sẽ sử dụng các cột Quốc gia và ngôn ngữ làm chỉ mục cho bảng Pivot. Chúng tôi sẽ sử dụng tổng thu nhập làm bảng tóm tắt, tuy nhiên, chúng tôi không cần chỉ định điều này một cách rõ ràng như chúng tôi đã thấy trước đó.AfghanistanDariArgentinangười Tây Ban Nha

1.127331e+06

7.230936e+06

1.007614e+07

6.165429e+06

5.052950e+05

Aruba

movies_sheet1 = pd.read_excel[excel_file, sheetname=0, index_col=0]
movies_sheet1.head[]

Tiếng Anh

Châu Úc

movies_sheet1 = pd.read_excel[excel_file, sheetname=0, index_col=0]
movies_sheet1.head[]

Thổ dân

movies.head[]

DzongkhaNămHãy để trực quan hóa bảng trục này với một âm mưu thanh. Vì vẫn còn vài trăm bản ghi trong bảng trục này, chúng tôi sẽ chỉ vẽ một vài trong số đó.Quốc giaChúng tôi đã thấy cách xoay vòng với một cột là chỉ mục. Mọi thứ sẽ trở nên thú vị hơn nếu chúng ta có thể sử dụng nhiều cột. Hãy để tạo ra một tập hợp dữ liệu khác nhưng lần này chúng tôi sẽ chọn các cột, quốc gia, ngôn ngữ và thu nhập gộp.Quốc giaNgôn ngữHoa Kỳnước ĐứcTổng thu nhậptiếng ĐứcChúng tôi sẽ sử dụng các cột Quốc gia và ngôn ngữ làm chỉ mục cho bảng Pivot. Chúng tôi sẽ sử dụng tổng thu nhập làm bảng tóm tắt, tuy nhiên, chúng tôi không cần chỉ định điều này một cách rõ ràng như chúng tôi đã thấy trước đó.AfghanistanDariArgentinangười Tây Ban NhaArubaTiếng AnhChâu ÚcThổ dânDzongkha01234

Hãy để trực quan hóa bảng trục này với một âm mưu thanh. Vì vẫn còn vài trăm bản ghi trong bảng trục này, chúng tôi sẽ chỉ vẽ một vài trong số đó.	1916.0	Xuất kết quả để xuất sắc	Nan	Nan	Bây giờ chúng tôi gọi `[5042, 24]` 2 trên tập hợp dữ liệu này. Phương pháp `[5042, 24]` 2 có tham số `[5042, 24]` 4. Như đã đề cập, chúng tôi muốn sử dụng năm làm chỉ số.	123.0	1.33	385907.0	Nan	Điều này đã cho chúng tôi một bảng xoay vòng với nhóm trong năm và tóm tắt về tổng thu nhập gộp. Thông báo, chúng tôi đã không cần chỉ định cột thu nhập gộp rõ ràng là gấu trúc tự động xác định nó là các giá trị mà việc tóm tắt nên được áp dụng.	22.0	9.0	481	691	1.0	10718	88.0	69.0	8.0	Nan
Chúng ta có thể sử dụng bảng trục này để tạo một số trực quan hóa dữ liệu. Chúng ta có thể gọi phương thức `movies = pd.concat[[movies_sheet1, movies_sheet2, movies_sheet3]]` 9 trên DataFrame để tạo biểu đồ dòng và gọi phương thức `[5042, 24]` 6 để hiển thị biểu đồ trong sổ ghi chép.	1920.0	`movies.head[]` 9	Nan	Nan	Nan	110.0	1.33	100000.0	3000000.0	Điều này đã cho chúng tôi một bảng xoay vòng với nhóm trong năm và tóm tắt về tổng thu nhập gộp. Thông báo, chúng tôi đã không cần chỉ định cột thu nhập gộp rõ ràng là gấu trúc tự động xác định nó là các giá trị mà việc tóm tắt nên được áp dụng.	2.0	0.0	4	0	1.0	5	1.0	1.0	4.8	2900000.0
Chúng ta có thể sử dụng bảng trục này để tạo một số trực quan hóa dữ liệu. Chúng ta có thể gọi phương thức `movies = pd.concat[[movies_sheet1, movies_sheet2, movies_sheet3]]` 9 trên DataFrame để tạo biểu đồ dòng và gọi phương thức `[5042, 24]` 6 để hiển thị biểu đồ trong sổ ghi chép.	1925.0	`movies.head[]` 9	Nan	Nan	Bây giờ chúng tôi gọi `[5042, 24]` 2 trên tập hợp dữ liệu này. Phương pháp `[5042, 24]` 2 có tham số `[5042, 24]` 4. Như đã đề cập, chúng tôi muốn sử dụng năm làm chỉ số.	151.0	1.33	245000.0	Nan	Điều này đã cho chúng tôi một bảng xoay vòng với nhóm trong năm và tóm tắt về tổng thu nhập gộp. Thông báo, chúng tôi đã không cần chỉ định cột thu nhập gộp rõ ràng là gấu trúc tự động xác định nó là các giá trị mà việc tóm tắt nên được áp dụng.	12.0	6.0	108	226	0.0	4849	45.0	48.0	8.3	Nan
Chúng ta có thể sử dụng bảng trục này để tạo một số trực quan hóa dữ liệu. Chúng ta có thể gọi phương thức `movies = pd.concat[[movies_sheet1, movies_sheet2, movies_sheet3]]` 9 trên DataFrame để tạo biểu đồ dòng và gọi phương thức `[5042, 24]` 6 để hiển thị biểu đồ trong sổ ghi chép.	1927.0	`movies.head[]` 9	Điều này đã cho chúng tôi một bảng xoay vòng với nhóm trong năm và tóm tắt về tổng thu nhập gộp. Thông báo, chúng tôi đã không cần chỉ định cột thu nhập gộp rõ ràng là gấu trúc tự động xác định nó là các giá trị mà việc tóm tắt nên được áp dụng.	Bây giờ chúng tôi gọi `[5042, 24]` 2 trên tập hợp dữ liệu này. Phương pháp `[5042, 24]` 2 có tham số `[5042, 24]` 4. Như đã đề cập, chúng tôi muốn sử dụng năm làm chỉ số.	Bây giờ chúng tôi gọi `[5042, 24]` 2 trên tập hợp dữ liệu này. Phương pháp `[5042, 24]` 2 có tham số `[5042, 24]` 4. Như đã đề cập, chúng tôi muốn sử dụng năm làm chỉ số.	145.0	1.33	6000000.0	26435.0	Điều này đã cho chúng tôi một bảng xoay vòng với nhóm trong năm và tóm tắt về tổng thu nhập gộp. Thông báo, chúng tôi đã không cần chỉ định cột thu nhập gộp rõ ràng là gấu trúc tự động xác định nó là các giá trị mà việc tóm tắt nên được áp dụng.	23.0	18.0	203	12000	1.0	111841	413.0	260.0	8.3	-5973565.0
Chúng ta có thể sử dụng bảng trục này để tạo một số trực quan hóa dữ liệu. Chúng ta có thể gọi phương thức `movies = pd.concat[[movies_sheet1, movies_sheet2, movies_sheet3]]` 9 trên DataFrame để tạo biểu đồ dòng và gọi phương thức `[5042, 24]` 6 để hiển thị biểu đồ trong sổ ghi chép.	1929.0	`movies.head[]` 9	Điều này đã cho chúng tôi một bảng xoay vòng với nhóm trong năm và tóm tắt về tổng thu nhập gộp. Thông báo, chúng tôi đã không cần chỉ định cột thu nhập gộp rõ ràng là gấu trúc tự động xác định nó là các giá trị mà việc tóm tắt nên được áp dụng.	Bây giờ chúng tôi gọi `[5042, 24]` 2 trên tập hợp dữ liệu này. Phương pháp `[5042, 24]` 2 có tham số `[5042, 24]` 4. Như đã đề cập, chúng tôi muốn sử dụng năm làm chỉ số.	Bây giờ chúng tôi gọi `[5042, 24]` 2 trên tập hợp dữ liệu này. Phương pháp `[5042, 24]` 2 có tham số `[5042, 24]` 4. Như đã đề cập, chúng tôi muốn sử dụng năm làm chỉ số.	110.0	1.33	Nan	9950.0	Điều này đã cho chúng tôi một bảng xoay vòng với nhóm trong năm và tóm tắt về tổng thu nhập gộp. Thông báo, chúng tôi đã không cần chỉ định cột thu nhập gộp rõ ràng là gấu trúc tự động xác định nó là các giá trị mà việc tóm tắt nên được áp dụng.	20.0	3.0	455	926	1.0	7431	84.0	71.0	8.0	Nan

Chúng ta có thể sử dụng bảng trục này để tạo một số trực quan hóa dữ liệu. Chúng ta có thể gọi phương thức

movies = pd.concat[[movies_sheet1, movies_sheet2, movies_sheet3]]

9 trên DataFrame để tạo biểu đồ dòng và gọi phương thức

[5042, 24]

6 để hiển thị biểu đồ trong sổ ghi chép.

movies.head[]

movies_sheet1 = pd.read_excel[excel_file, sheetname=0, index_col=0]
movies_sheet1.head[]

Quốc gia

movies_sheet1 = pd.read_excel[excel_file, sheetname=0, index_col=0]
movies_sheet1.head[]

Ngôn ngữ

movies_sheet1 = pd.read_excel[excel_file, sheetname=0, index_col=0]
movies_sheet1.head[]

Hoa Kỳ

movies_sheet1 = pd.read_excel[excel_file, sheetname=0, index_col=0]
movies_sheet1.head[]

nước Đức

tiếng Đức

Chúng tôi sẽ sử dụng các cột Quốc gia và ngôn ngữ làm chỉ mục cho bảng Pivot. Chúng tôi sẽ sử dụng tổng thu nhập làm bảng tóm tắt, tuy nhiên, chúng tôi không cần chỉ định điều này một cách rõ ràng như chúng tôi đã thấy trước đó.

Afghanistan

Mặt khác, Excel là một công cụ dữ liệu được sử dụng rộng rãi như vậy, nó không phải là một điều khôn ngoan để bỏ qua nó. Có được chuyên môn ở cả gấu trúc và excel và làm cho họ làm việc cùng nhau cung cấp cho bạn các kỹ năng có thể giúp bạn nổi bật trong tổ chức của mình.

Nếu bạn muốn tìm hiểu thêm về chủ đề này, hãy xem khóa học về các nguyên tắc cơ bản tương tác và dữ liệu của DataQuest, và nhà phân tích dữ liệu của chúng tôi ở Python và nhà khoa học dữ liệu trong Python Paths sẽ giúp bạn sẵn sàng làm việc trong khoảng 6 tháng.

Học kỹ năng dữ liệu

Nhận mức tăng tiếp theo hoặc chuyển sang nghề nghiệp trong khoa học dữ liệu bằng cách học các kỹ năng dữ liệu.

Đăng ký một tài khoản miễn phí và thử các khóa học tương tác của chúng tôi tại Python, R, SQL, v.v.free account and try our interactive courses in Python, R, SQL, and more!

Chúng ta có thể sử dụng gấu trúc trong excel không?

Chúng ta chỉ cần nhập gấu trúc, sử dụng phương thức read_csv [] và viết tên của tệp excel/csv trong ngoặc đơn. Trong mã trên, chúng tôi đổi tên gấu trúc thành PD PD. Đây chỉ là một quy ước để đặt tên cho gấu trúc. Sau khi chạy mã ở trên, bạn sẽ thấy DataFrame sau. Đó là tất cả những gì bạn cần để tạo một DataFrame!. In the code above, we renamed pandas as “pd.” This is only a convention to name pandas. After running the code above, you will see the following dataframe. That's all you need to create a dataframe!

Làm thế nào đọc dữ liệu từ excel trong gấu trúc?

Các bước để nhập một tệp Excel vào Python bằng Pandas..

Bước 1: Chụp đường dẫn tệp.Đầu tiên, bạn sẽ cần ghi lại đường dẫn đầy đủ nơi lưu trữ tệp Excel trên máy tính của bạn.....

Bước 2: Áp dụng mã Python.....

Bước 3: Chạy mã Python để nhập tệp Excel ..

Tôi có thể sử dụng Python và Excel cùng nhau không?

Có nhiều gói Python khác nhau để làm việc với Excel.Phần lớn trong số này là để đọc và viết các tệp Excel [ví dụ: OpenPyXL và XLSXWriter].Pyxll rất khác với các gói khác này.Thay vì chỉ cho phép bạn đọc và viết các tệp Excel, Pyxll tích hợp Python vào Excel.PyXLL integrates Python into Excel.

Làm cách nào để thêm gấu trúc vào excel?

Tạo một tờ Excel.Nhập gấu trúc dưới dạng pdwriter = pd.excelwriter ['demo.xlsx', động cơ = 'xlsxwriter'] writer.close [] ....

Thêm dữ liệu số lượng lớn vào một tờ Excel.Nhập GANDAS dưới dạng PD.....

Nối dữ liệu ở cuối một tờ Excel.Mã này sẽ nối dữ liệu ở cuối Excel.....

Thêm định dạng có điều kiện vào đầu ra ..

Điều kiện tiên quyết của hệ thống

Các tập dữ liệu

Đọc dữ liệu từ tệp Excel

Hài kịch | Kịch | lãng mạn

Không được đánh giá

Nhận thông tin thống kê về dữ liệu

Tối thiểu, tối đa

Nan

Tiếng Anh

Kịch | Chiến tranh

Tiếng Anh

Học kỹ năng dữ liệu

Chúng ta có thể sử dụng gấu trúc trong excel không?

Làm thế nào đọc dữ liệu từ excel trong gấu trúc?

Tôi có thể sử dụng Python và Excel cùng nhau không?

Làm cách nào để thêm gấu trúc vào excel?

Bài Viết Liên Quan

Toplist mới

Bài mới nhất

Chủ Đề