### Python Pandas 库处理 Excel 文件的方法 #### 加载本地 Excel 数据 要通过 `read_excel` 函数加载 D 盘上的本地 Excel 数据，可以指定文件路径以及可选参数来调整读取行为。例如，假设文件名为 `data.xlsx` 并位于 D:\Files\ 下，则可以通过以下方式实现[^2]: ```python import pandas as pd df = pd.read_excel(r'D:\Files\data.xlsx') ``` #### 查看前五行数据 为了显示 DataFrame 的前五行数据，可以直接调用 `.head()` 方法: ```python print(df.head()) ``` #### 替换 salary 列的值 将 `salary` 列替换为其最大值和最小值的均值，可通过如下代码完成: ```python mean_salary = (df['salary'].max() + df['salary'].min()) / 2 df['salary'] = mean_salary ``` #### 按教育水平分组并计算平均工资 按照 `education` 列进行分组，并对其对应的 `salary` 列求平均值的操作如下所示: ```python grouped_avg_salary = df.groupby('education')['salary'].mean() print(grouped_avg_salary) ``` #### 时间格式化 使用 `pd.to_datetime` 将 `createTime` 列转换为日期时间类型，并进一步将其格式化为 MM-DD 格式: ```python df['createTime'] = pd.to_datetime(df['createTime']).dt.strftime('%m-%d') ``` #### 查看属性信息 获取关于 DataFrame 的索引 (`index`)、数据类型 (`dtypes`) 和内存占用情况 (`memory_usage`) 可分别执行以下命令: ```python print(df.index) print(df.dtypes) print(df.memory_usage()) ``` #### 数值列描述性统计 针对数值型列应用 `.describe()` 方法以获得其汇总统计数据: ```python numerical_columns_summary = df.describe() print(numerical_columns_summary) ``` #### 添加分类列 依据 `salary` 值创建一个新的分类列，该列分为三个类别（低薪、中薪、高薪），具体逻辑可以根据实际需求定义: ```python def classify_salary(salary): if salary < low_threshold: return 'Low' elif salary >= high_threshold: return 'High' else: return 'Medium' low_threshold, high_threshold = 3000, 7000 # 自定义阈值 df['SalaryCategory'] = df['salary'].apply(classify_salary) ``` #### 排序 Salary 列 根据 `salary` 列按降序排列整个 DataFrame: ```python sorted_df = df.sort_values(by='salary', ascending=False) ``` #### 提取特定行 利用 `.iloc[]` 提取第 33 行的数据记录: ```python row_33 = df.iloc[32] # 注意：iloc 是基于零索引的位置访问器 print(row_33) ``` #### 输出至新 Excel 文件 最后，在完成上述所有操作之后，如果希望保存修改后的 DataFrame 至新的 Excel 文件，可以采用下面的方式[^1][^3]: ```python with pd.ExcelWriter('processed_data.xlsx') as writer: df.to_excel(writer, sheet_name='Sheet1', index=False) ```