### 使用Python Pandas库清洗Excel数据 #### 安装必要的库 为了使用Pandas读取和处理Excel文件，需要先安装`pandas`以及支持Excel操作的`openpyxl`库[^2]。 ```bash pip install pandas openpyxl -i https://mirrors.aliyun.com/pypi/simple/ ``` #### 导入库并加载数据 导入所需的库，并通过指定路径来加载Excel文件中的表格。这里假设有一个名为`data.xlsx`的工作簿，其中包含要处理的数据表单。 ```python import pandas as pd df = pd.read_excel('path/to/data.xlsx', sheet_name='Sheet1') ``` #### 数据预览与初步了解 在开始清理之前，应该对数据集有个基本的认识，可以通过查看前几行记录或者描述统计信息来进行： ```python print(df.head()) # 显示前五行数据 print(df.describe()) # 获取数值型字段的基本统计数据 ``` #### 清洗条件设定 对于特定场景下的数据清洗需求，比如只保留满足某些条件的数据条目。根据给定的例子，在同一个办公室(`teamid`)且属于相同年级(范围为1到12)内的教师数量不少于三位时才予以保留[^4]。 ```python # 计算每个组合的数量 grouped_counts = df.groupby(['teamid', 'grade']).size().reset_index(name='count') # 过滤出符合条件的组别 valid_groups = grouped_counts[grouped_counts['count'] >= 3] # 给原始DataFrame添加一个新的列标记是否有效 df['is_valid'] = (df.merge(valid_groups[['teamid', 'grade']], how='left', indicator=True)['_merge'] == 'both').astype(int) # 对有效的分组重新编号 def assign_group_id(group): group['new_id'] = range(1, len(group)+1) if not group.empty and any(group['is_valid']) else 0 return group result_df = df.groupby(['teamid', 'grade'], as_index=False).apply(assign_group_id) ``` 上述代码实现了基于团队ID (`teamid`) 和 年级 (`grade`) 的过滤逻辑，并为符合标准的子集中每位成员分配了一个新的唯一标识符 `new_id` 。当某一分支下有至少三名成员，则这些成员会被赋予相同的正整数作为新ID；反之则设置为零表示该分支应被排除在外。 #### 结果保存至新的Excel文档 完成所有必要转换后，可将最终的结果导回成Excel格式以便后续分析或其他用途。 ```python with pd.ExcelWriter('cleaned_data.xlsx') as writer: result_df.to_excel(writer, index=False, sheet_name='CleanedData') ``` 以上就是利用Python Pandas库执行Excel数据清洗的一个实例过程说明[^3]。