Pandas是一個強大的數據分析庫，它的Series和DataFrame數據結構，使得處理起二維表格數據變得非常簡單。
基於後面需要對Excel表格數據進行處理，有時候使用Pandas庫處理表格數據，會更容易、更簡單，因此我這裡必須要講述。
Pandas庫是一個內容極其豐富的庫，這裡並不會面面俱到。我這裡主要講述的是如何利用Pandas庫完成 “表格讀取”、“表格取數” 和 “表格合並” 的任務。其實Pandas能實現的功能，遠遠不止這些，關於利用該庫如何實現數據清晰和圖表制作，不是本書的研究范圍，大家可以下去好好學習這個庫。
在使用這個庫之前，需要先導入這個庫。為了使用方便，習慣性給這個庫起一個別名pd，本書中只要是見到pd，指的都是Pandas。
Pandas支持讀取csv、excel、json、html、數據庫等各種形式的數據，非常強大。但是我們這裡僅以讀取excel文件為例，講述如何使用Pandas庫讀取本地的excel文件。
在Pandas庫中，讀取excel文件使用的是pd.read_excel()函數，這個函數強大的原因是由於有很多參數供我們使用，是我們讀取excel文件更方便。在這裡我們僅僅講述sheet_name、header、usecols和names四個常用參數。
我們知道一個excel文件是一個工作簿，一個工作簿有多個sheet表，每個sheet表中是一個表格數據。sheet_name參數就是幫助我們選擇要讀取的sheet表，具體用法如下。
sheet_name=正整數值，等於0表示讀取第一個sheet表，等於1表示讀取第二個sheet表，以此類推下去。
sheet_name=”sheet名稱”，我們可以利用每張sheet表的名稱，讀取到不同的sheet表，更方便靈活。
注意：如果不指定該參數，那麼默認讀取的是第一個sheet表。
用法1：sheet_name=正整數值
df = pd.read_excel("readexcel.xlsx",sheet_name=1)
df結果如下：
用法2：sheet_name=”sheet名稱”
df = pd.read_excel("readexcel.xlsx",sheet_name="考試成績表")
df結果如下：
有時候待讀取的excel文件，可能有標題行，也有可能沒有標題行。但是默認都會將第一行讀取為標題行，這個對於沒有標題行的excel文件來說，顯得不太合適了，因此header參數可以很好的解決這個問題。
header=None，主要針對沒有標題行的excel文件，系統不會將第一行數據作為標題，而是默認取一個1,2,3…這樣的標題。
header=正整數值，指定哪一行作為標題行。
用法1：header=None
df = pd.read_excel("readexcel.xlsx",sheet_name="copy",header=None)
df結果如下：
用法2：header=正整數值
df = pd.read_excel("readexcel.xlsx",sheet_name="基本信息表",header=1)
df結果如下：
當一張表有很多列的時候，如果你僅僅想讀取 這張表中的指定列，使用usecols參數是一個很好的選擇。
關於usecols參數，這裡有多種用法，我們分別進行說明。
usecols=None，表示選擇一張表中的所有列，默認情況不指定該參數，也表示選擇表中的所有列。
usecols=[A,C]，表示選擇A列（第一列）和C列（第三列）。而usecols=[A,C:E]，表示選擇A列，C列、D列和E列。
usecols=[0,2]，表示選擇第一列和第三列。
# 下面這兩行代碼，均表示獲取前2列的數據
df = pd.read_excel("readexcel.xlsx",sheet_name="考試成績表",usecols=[1,2])
df = pd.read_excel("readexcel.xlsx",sheet_name="考試成績表",usecols="A:B")
df結果如下：
如果一張表沒有標題行，我們就需要為其指定一個標題，使用names參數，可以在讀取數據的時候，為該表指定一個標題。
names=[“列名1”,”列名2”…]：傳入一個列表，指明每一列的列名。
name_list = ["學號","姓名","性別","籍貫"]
df = pd.read_excel("readexcel.xlsx",sheet_name="copy",header=None,names=name_list)
df結果如下：
知道怎麼讀取excel文件中的數據後，接下來我們就要學著如何靈活獲取到excel表中任意位置的數據了。
這裡我一共提供了5種需要掌握的數據獲取方式，分別是 “訪問一列或多列” ，“訪問一行或多行” ，“訪問單元格中某個值” ，“訪問多行多列” 。
在講述如何取數之前，我們首先需要理解“位置索引”和“標簽索引”這兩個概念。
每個表的行索引就是一個“標簽索引”，而標識每一行位置的數字就是 “位置索引”，如圖所示。
在pandas中，標簽索引使用的是loc方法，位置索引用的是iloc方法。接下來就基於圖中這張表，來帶著大家來學習如何 “取數”。
首先，我們需要先讀取這張表中的數據。
df = pd.read_excel("readexcel.xlsx",sheet_name="地區")
df結果如下：
“訪問一列或多列”，相對來說比較容易，直接采用中括號“標簽數組”的方式，就可以獲取到一列或多列。
方法1：訪問一列
df["武漢"]方法2：訪問多列
df[["武漢","廣水"]]“訪問一行或多行”，方法就比較多了，因此特別容易出錯，因此需要特別注意。
方法1：訪問一行
# 位置索引
df.iloc[0]
# 標簽索引
df.loc["地區1"]方法2：訪問多行
# 位置索引
df.iloc[[0,1,3]]
# 標簽索引
df.loc[["地區1","地區2","地區4"]]“訪問單元格中某個值”，也有很多種方式，既可以使用“位置索引”，也可以使用“標簽索引”。
# 使用位置索引
df.iloc[2,1]
# 使用標簽索引
df.loc["地區3","天門"]“訪問多行多列”，方法就更多了。我一共為大家總結了5種方法。第一，iloc+切片；第二種，loc+標簽數組；第三種，iloc+切片+位置數組；第四種，loc+切片+標簽數組。
方法1：iloc+切片
# 選取前3行數據的所有列
df.iloc[:3,:]方法2：loc+標簽數組
# 選取地區1和地區3這兩行的武漢、孝感、廣水列
df.loc[["地區1","地區3"],['武漢','孝感','廣水']]方法3：iloc+切片+位置數組
# 選取所有行的第2和第5列數據
df.iloc[:,[1,4]]方法4：loc+切片+標簽數組
# 選取地區1和地區2這兩行的武漢和廣水列
df.loc[:"地區2":,["武漢","廣水"]]在進行多張表合並的時候，我們需要將多張表的數據，進行縱向（上下）拼接。在pandas中，直接使用pd.concat()函數，就可以完成表的縱向合並。
關於pd.concat()函數，用法其實很簡單，裡面有一個參數ignore_index需要我們注意，ignore_index=True，表示會忽略原始索引，生成一組新的索引。
如果不使用ignore_index參數
df1 = pd.read_excel("concat.xlsx",sheet_name="Sheet1")
df2 = pd.read_excel("concat.xlsx",sheet_name="Sheet2")
pd.concat([df1,df2],ignore_index=True)結果如下：
從上表可以看到，裡面有兩條記錄是完全重復的，我們直接可以再調用drop_duplicates()函數，實現去重操作。
df1 = pd.read_excel("concat.xlsx",sheet_name="Sheet1")
df2 = pd.read_excel("concat.xlsx",sheet_name="Sheet2")
pd.concat([df1,df2],ignore_index=True).drop_duplicates()結果如下：
當我們將某個Excel文件中的表，進行讀取、數據整理等一系列操作後，就需要將處理好的數據，導出到本地。其實Pandas庫中可以導出的數據格式有很多種，我們同樣以導出xlsx文件為例，進行講述。
在Pandas庫中，將數據導出為xlsx格式，使用的是DataFrame對象的to_excle()方法，其中這裡面有4個常用的參數，詳情如下。
excel_writer：表示數據寫到哪裡去，可以是一個路徑，也可以是一個ExcelWriter對象。
sheet_name：設置導出到本地的Excel文件的Sheet名稱。
index：新導出到本地的文件，默認是有一個從0開始的索引列，設置index=False可以去掉這個索引列。
columns：選則指定列導出，默認情況是導出所有列。
encoding：有時候導出的文件會出現亂碼的格式，這個時候就需要使用該參數設置文件編碼格式。
df1 = pd.read_excel("concat.xlsx",sheet_name="Sheet1")
df2 = pd.read_excel("concat.xlsx",sheet_name="Sheet2")
df3 = pd.concat([df1,df2],ignore_index=True)
df3.to_excel(excel_writer="to_excel.xlsx",sheet_name="to_excel",index=None)有時候我們需要將多excel表寫入同一個工作簿，這個時候就需要借助Pandas中的pd.ExcelWriter()對象，默認對於xls使用xlwt引擎，對於xlsx使用openpyxl引擎。
這裡面有兩個參數，一個是路徑參數Path，表示生成文件的存放路徑，一個是時間格式化參數datetime_format，可以將生成文件中的時間列，按照指定時間格式化輸出。
df1 = pd.read_excel("concat.xlsx",sheet_name="Sheet1")
df2 = pd.read_excel("concat.xlsx",sheet_name="Sheet2")
with pd.ExcelWriter("excel_writer.xlsx",datetime_format="YYYY-MM-DD") as writer:
df1.to_excel(excel_writer=writer,sheet_name="df1",index=None)
df2.to_excel(excel_writer=writer,sheet_name="df2",index=None)上面第三行代碼，我們打開了一個ExcelWriter對象的同時，將所有設計到時間列的數據，進行格式化輸出為年-月-日。
接著第四行代碼，我們將df1中的數據寫到這個ExcelWriter對象中，將這個Sheet取名為df1。
最後第五行代碼，再將df2中的數據寫入到這個ExcelWriter對象中，同樣將Sheet取名為df1。
- END -
