### 使用 Pandas 对 Excel 文件进行数据筛选 在 Python 中，`pandas` 是一个强大的数据分析库，可以轻松地对 Excel 文件中的数据进行读取、筛选和操作。以下是如何使用 `pandas.read_excel` 函数读取 Excel 文件，并通过条件筛选数据的详细说明。 #### 1. 读取 Excel 文件 使用 `pandas.read_excel` 函数可以从 Excel 文件中读取数据，并将其转换为 DataFrame 对象。DataFrame 是一种面向列的二维表结构，支持行和列索引[^1]。 ```python import pandas as pd # 读取 Excel 文件 df = pd.read_excel("example.xlsx", sheet_name="Sheet1") # 指定要读取的工作表名称 ``` #### 2. 数据筛选 在 Pandas 中，可以通过布尔索引或条件表达式对 DataFrame 的数据进行筛选。例如，假设需要筛选出某一列值大于某个阈值的所有行。 ```python # 筛选 age 列中值大于30的所有行 filtered_df = df[df['age'] > 30] ``` 如果需要基于多个条件进行筛选，可以使用逻辑运算符 `&`（与）、`|`（或）和 `~`（非）。注意：每个条件需要用括号括起来。 ```python # 筛选 age 大于30且 gender 为 'Male' 的所有行 filtered_df = df[(df['age'] > 30) & (df['gender'] == 'Male')] ``` #### 3. 将筛选后的数据保存到新的 Excel 文件 筛选后的数据可以保存到一个新的 Excel 文件中，使用 `to_excel` 方法实现[^2]。 ```python # 将筛选后的数据保存到新的 Excel 文件 filtered_df.to_excel("filtered_output.xlsx", index=False, header=True) ``` #### 示例代码 以下是一个完整的示例，演示如何读取 Excel 文件、筛选数据并保存结果。 ```python import pandas as pd # 读取 Excel 文件 df = pd.read_excel("example.xlsx", sheet_name="Sheet1") # 筛选数据 filtered_df = df[(df['age'] > 30) & (df['gender'] == 'Male')] # 保存筛选后的数据到新的 Excel 文件 filtered_df.to_excel("filtered_output.xlsx", index=False, header=True) ``` ### 注意事项 - 如果 Excel 文件中有多个工作表，可以使用 `sheet_name` 参数指定要读取的工作表名称或索引。 - 在读取 Excel 文件时，可以通过参数如 `dtype` 指定列的数据类型，`nrows` 限制读取的行数等[^2]。 - 筛选条件可以根据具体需求灵活调整。