DataFrame是python中Pandas庫中的一種數據結構，類似excel，是一種二維表。DataFrame的單元格可以存放數值，字符串等類型數據。python在處理excel數據時通常都會用DataFrame來讀。
1.讀數據
%%time
import pandas as pd
df = pd.read_excel('2019-2.xlsx',sheet_name=None)
%%time可以計算代碼的運行時間，但是要注意的是一定放在所有代碼的第一行，即使第一行是註釋也要放在註釋上面，否則會報錯。
output：
CPU times: user 8min 54s, sys: 11.6 s, total: 9min 5s
Wall time: 8min 47s
2.獲取excel中的所有sheet
import openpyxl
wb = openpyxl.load_workbook('2019-2.xlsx')
# 獲取workbook中所有的表格
sheets = wb.sheetnames
print(sheets)
ouput：
['0201-0216', '0217-0223', '0224-0228']
則這個excel文件中有名爲’0201-0216’, ‘0217-0223’, '0224-0228’的三種表，讀取某張表可以直接用df[‘xxx’]表示。
3.查看數據
3.1 查看數據類型：
df.dtypes
3.2 查看頭尾幾行的數據
df.head()
df.tail()
默認5行，可直接在括號內填入具體的值來顯示自己想看的行數。
3.3 查看行列數
使用shape查看行列數，參數0爲查看行數，參數1爲查看列數。
df3.shape[0]
df3.shape[1]
3.4 查看行名與列名
使用index爲查看行名，columns爲查看列名。
df.index
df.columns
3.5 查看數據值
使用values可以查看DataFrame裏的數據值，返回的是一個數組。
df.values
按行：
可使用loc或iloc，loc是根據行名，iloc是根據行的索引。如果查看多行要多嵌套一箇中括號。
# 單行
df.loc['xxx']
df.iloc[0]
# 多行
df.loc[['aa','bb']]
df.iloc[[0,1]]
按列：
直接使用列名即可。同樣如果要取多列，注意需要兩個中括號。
# 某一列
df['xxx']
# aaa列和bbb列
df[['aaa', 'bbb']]
3.6 按條件查找
例如：查找年齡爲18且成績大於90的學生學號和姓名。
df[(df['age'] == 18) & (df['score']>90)][['no','name']]
4. pd.merge函數
利用merge函數可以查找兩個表中相同元素，效率非常高。
pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None,
left_index=False, right_index=False, sort=True,
suffixes=('_x', '_y'), copy=True, indicator=False,
validate=None)
參數：
left: 拼接的左側DataFrame對象
right: 拼接的右側DataFrame對象
on: 要加入的列或索引級別名稱。 必須在左側和右側DataFrame對象中找到。 如果未傳遞且left_index和right_index爲False，則DataFrame中的列的交集將被推斷爲連接鍵。
left_on:左側DataFrame中的列或索引級別用作鍵。 可以是列名，索引級名稱，也可以是長度等於DataFrame長度的數組。
right_on: 左側DataFrame中的列或索引級別用作鍵。 可以是列名，索引級名稱，也可以是長度等於DataFrame長度的數組。
left_index: 如果爲True，則使用左側DataFrame中的索引（行標籤）作爲其連接鍵。 對於具有MultiIndex（分層）的DataFrame，級別數必須與右側DataFrame中的連接鍵數相匹配。
right_index: 與left_index功能相似。
how: One of ‘left’, ‘right’, ‘outer’, ‘inner’. 默認inner。inner是取交集，outer取並集。比如left：[‘A’,‘B’,‘C’];right[’'A,‘C’,‘D’]；inner取交集的話，left中出現的A會和right中出現的買一個A進行匹配拼接，如果沒有是B，在right中沒有匹配到，則會丟失。'outer’取並集，出現的A會進行一一匹配，沒有同時出現的會將缺失的部分添加缺失值。
sort: 按字典順序通過連接鍵對結果DataFrame進行排序。 默認爲True，設置爲False將在很多情況下顯着提高性能。
suffixes: 用於重疊列的字符串後綴元組。 默認爲（‘x’，’ y’）。
copy: 始終從傳遞的DataFrame對象複製數據（默認爲True），即使不需要重建索引也是如此。
indicator:將一列添加到名爲_merge的輸出DataFrame，其中包含有關每行源的信息。 _merge是分類類型，並且對於其合併鍵僅出現在“左”DataFrame中的觀察值，取得值爲left_only，對於其合併鍵僅出現在“右”DataFrame中的觀察值爲right_only，並且如果在兩者中都找到觀察點的合併鍵，則爲left_only。
5. Pandas之drop_duplicates：去除重複項
DataFrame.drop_duplicates(subset=None, keep='first', inplace=False)
參數：
- subset : column label or sequence of labels, optional
用來指定特定的列，默認所有列 - keep : {‘first’, ‘last’, False}, default ‘first’
刪除重複項並保留第一次出現的項 - inplace : boolean, default False
是直接在原來數據上修改還是保留一個副本