Excel是一个无处不在的数据处理、分析工具，大多数人或多或少都使用过Excel，而且一旦你掌握了它的使用技巧，你会打开另外一扇窗！此外，也有人认为，具有无限潜力的Python也非常有挑战性。在这篇文章中，我们将探讨在Excel中能够完成，但是在Python中能够更轻松实现的三件事！
从导入panda开始，并基于工作簿中需要用的工作表加载两个数据帧。两个列的定义为 sales 和 states 。
import pandas as pd
sales = pd.read_excel(\'https://github.com/datagy/mediumdata/raw/master/pythonexcel.xlsx\', sheet_name = \'sales\')
states = pd.read_excel(\'https://github.com/datagy/mediumdata/raw/master/pythonexcel.xlsx\', sheet_name = \'states\')将我们的数据集导入Pandas数据帧。
让我们想象一下，我们对数据帧运行了.head（）方法，如下所示：
print(sales.head())我们可以将其与Excel中的数据进行比较：
比较数据在Excel和Pandas中的两种显示方式
我们可以看到显示的数据与Excel显示数据的方式相对类似，但有一些关键的区别：
- Excel从第1行开始，Pandas从第0行开始（\'index\'）；
- Excel用以A开头的字母标记列，而Pandas用变量名标记列。
让我们开始深入探讨如何运用 Pandas 完成Excel任务。
Python中的IF函数
在Excel中使用IF函数非常方便，允许我们根据另一个单元格中的条件应用某个标签。假设我们想创建一个新列，让我们知道B列中单元格的值是否大于500。在Excel中，我们将列E标记为大于500，然后进入单元格E2并写入：
=IF([@Sales]>500, \"Yes\", \"No\")在Excel中应用IF函数
如果我们想在Pandas中这样做，我们可以使用列表理解来轻松应用相同的 If 语句：
df[\'MoreThan500\'] = [\'Yes\' if x > 500 else \'No\' for x in df[\'Sales\']列表理解是这类工作的好工具，它减少了编写复杂 if/else 语句的需要。使用 if/else 语句也可以完成相同的任务，但这样可以节省时间并使代码更简洁。通过阅读本文，你可以详细了解列表理解。
列表理解的解释
Pandas中的VLOOKUP
在我们的数据集中，城市在一张纸上，州/省在另一张纸上。这并不理想，但我们可以使用Excel中的VLOOKUP链接数据。VLOOKUP的工作方式与左连接类似，左数据集中的每个记录都被保留。我们告诉Excel在查找表中垂直上下查找列中的特定值，然后返回一个值，该值位于列右侧的特定列数中。
让我们添加一个名为“State”的列，并使用VLOOKUP从 States 表返回相应的状态。
使用VLOOKUP添加州/省信息
在Python中，我们可以使用Pandas merge函数完成相同的任务。Merge获取两个数据帧并合并它们。为此，我们将编写以下代码：
sales = pd.merge(sales, states, how=\'left\', on=\'City\')让我们把这个论点一个一个地分解开来：
- 第一个参数是原始数据帧；
- 第二个参数是我们在中查找值的数据帧；
- 如何指定要创建的联接类型；
- On指定要合并的变量（如果变量在每个数据帧中被称为不同的对象，则还有left_On和right_On）。
Pandas中的数据透视表
数据透视表是Excel最强大的功能之一，它允许我们以惊人的速度提取关于大型数据集的有意义的数据。让我们根据每个城市的销售额总和创建一个数据透视表。
在Excel中生成数据透视表
为此，我们只需将City字段拖到Rows部分，将Sales字段拖到Values部分。Excel自动汇总数据集中每个城市的销售额。
要在Pandas中生成相同的数据透视表，我们将编写以下代码：
sales.pivot_table(index = \'City\', values = \'Sales\', aggfunc = \'sum\'))我们再把这个分解一下：
- 我们使用sales.pivot_表让Pandas知道我们要基于sales dataframe创建一个pivot表
- 索引指定要聚合的值
- 值指定要聚合的值
- Aggfunc指定要使用的函数（也可以使用mean、max、min等）
最后
在本文中，我们学习了如何将Excel数据导入Pandas，如何完成IF和VLOOKUP函数，以及如何生成数据透视表。但你可能会问自己，如果你能在Excel中完成这里列出的所有工作，为什么要使用Pandas？这里没有一个明确的答案。Python允许我们生成可重用的、可跟踪的代码，使我们能够轻松地复制分析设计，Excel可能只够进行更小的分析。
原文链接：https://towardsdatascience.com/learn-how-to-easily-do-3-advanced-excel-tasks-in-python-925a6b7dd081
翻译：未艾信息（www.weainfo.net）
查看更多最新资讯，欢迎大家点击阅读原文登录我们的AI社区。
以及关注我们的公众号：为AI呐喊（weainahan）
