python 筛选excel某一特定数据,python读取excel数据

　　原标题：就懂点EXCEL！教你使用Python进行数据过滤(第1部分)

　　序

　　不用我告诉大家Python的数据清理功能有多强大。几行代码就可以清理一个凌乱的表格。但是python不好上手。毕竟理解和掌握编程语言需要付出很多努力，所以很多朋友都跌出了python的门。今天给大家一些干货，教大家如何使用python过滤EXCEL数据，让大家快速上手python，领略python数据分析的魅力。

　　数据源

　　我们首先需要使用一个EXCEL样本文件。在这里，我选择了一个电商订单列表，数据已经脱敏：

　　EXCEL筛选

　　如果在EXCEL中筛选，我们一般的方法是使用EXCEL自带的筛选功能，在弹出的筛选界面中用鼠标勾选。例如，我们希望筛选订单日期为2010年且订单级别为高级的订单：

　　像以上的筛选需求，都可以在EXCEL中实现。当然，除了这种方法，我们也可以通过其他工具来实现。今天我就来教大家用ETL python的组合方法来实现。这两个工具在数据清理方面非常强大。听到python不要临阵退缩。下面这个教程简单易懂，即使是孤独的河马也能很快上手。在教学之前，我们首先要使用一个强大的ETL工具：智能分析。

　　加载数据

　　由于智能分析的ETL是在网页上处理的，我们首先要做的就是将本地的数据源导入到智能分析平台中，然后在智能分析数据连接的界面中就可以快速导入数据源了。除了本地数据文件，Smart Analytics还支持mysql、阿里云等关系数据库的连接。打开ETL界面，将关系数据源的组件拖入显示区，根据存储路径找到您的数据源：

　　右键单击关系数据源的“查看输出”，我们可以预览数据源的输出效果：

　　条件过滤

　　当数据连接完成后，您可以使用智能分析ETL附带的python脚本以各种方式处理数据。首先，我们将python组件拖到中间的显示区域，并将它们与上面的关系数据源连接起来：

　　点击python的输入框查看。你可以看到这里的输入框和pycharm等软件的输入框基本相同。只要熟悉python，就能轻松上手。而且系统已经提前录入了一些脚本。这些代码是系统默认提供的，不需要自己写。想得很周到。可以看到，事先写好的脚本主要调用了库numpy和pandas，并定义了函数：

　　根据上面提到的要求，我们的目的主要是筛选订单日期和订单等级两个字段。首先，我们定义两个变量cond和cond1。cond在这里调用熊猫的pd.to_datetime()函数，这是熊猫的时间处理函数。由dt.year过滤的结果是该年等于2010年。接下来，cond1要筛选的条件是column4=Advanced，因为这两个条件是and。写完这两个脚本，我们需要把这两个条件联系起来。

　　编写完脚本后，单击OK。最后，我们来看看python脚本执行后的效果。第二列中的订单日期显示为2010年，订单级别显示为高级。只需写3行代码，我们的筛选需求就实现了：

　　下次预览

　　本文从Excel筛选的角度介绍简单的应用，下一篇将解释更复杂的应用。让我们先来看看什么是复杂需求：

　　订单日期来筛选2010年的订单。

　　高级订单级别筛选

　　利润金额前10名的订单

　　下一章将解决以上问题，敬请关注返回搜狐查看更多。

　　责任编辑：

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。