强烈推荐一款Python可视化神器！强烈必备！

features()函数用法，map(function, iterable)

参数：map 可以接受两个参数，第一个是函数，第二个是可迭代对象

作用：将可迭代对象的每一个元素放在 function 中进行处理

返回：map 返回的是一个 map 对象，这是一个可迭代对象

几周前，R语言社区经历了一场关于画图工具的讨论。对于我们这种外人来说，具体的细节并不重要，但是我们可以将一些有用的观点运用到 Python 中。讨论的重点是 R 语言自带的绘图工具 base R 和 Hadley Wickham 开发的绘图工具 ggplot2 之间的优劣情况。如果你想了解更多细节内容，请阅读以下几篇文章：

其中最重要的两个内容是：

不是所有人都认同第二个观点，ggplot2确实无法绘制出所有的图表类型，但是我会利用它来做分析。

以下是 2016 年 4 月写的关于绘图工具的概述。出于多方面的原因，绘图工具的选取更多地取决于个人偏好，因此本文介绍的 Python 绘图工具也仅代表我的个人使用偏好。

Matplotlib 是一个强大的工具，它是 Pandas' builtin-plotting 和 Seaborn 的基础。 Matplotlib 能够绘制许多不同的图形，还能调用多个级别的许多 API 。我发现 pyplot api 非常好用，你可能用不上 Transforms 或者 artists ，但是如果你有需求的话可以查阅帮助文档。我将从 pandas 和 seaborn 图开始介绍，然后介绍如何调用 pyplot 的 API 。

DataFrame 和 Series 拥有 plot 的命名空间，其中有许多图形类别可供选择(line, hist, scatter, 等等)。 Pandas 对象还提供了额外的用于增强图形展现效果的数据，如索引变量。

由于 pandas 具有更少的向后兼容的限制，所以它具有更好的美学特性。从这方面来说，我认为 pandas 中的 DataFrameplot 是一个非常实用的快速探索性分析的工具。

Michael Waskom 所开发的 Seaborn 提供了一个高层次的界面来绘制更吸引人统计图形。 Seaborn 提供了一个可以快速探索分析数据不同特征的 API 接口，接下来我们将重点介绍它。

Bokeh 是一款针对浏览器开发的可视化工具。

和 matplotlib 一样，Bokeh

拥有一系列 API 接口。比如 glpyhs 接口，该接口和 matplotllib 中的 Artists 接口非常相似，它主要用于绘制环形图、方形图和多边形图等。最近 Bokeh 又开放了一个新的图形接口，该接口主要用于处理词典数据或 DataFrame 数据，并用于绘制罐头图。

以下是一些本文没有提到的可视化工具：

我们将利用 ggplot2 中的 diamonds 数据集，你可以在 Vincent Arelbundock's RDatasets 中找到它(pdread_csv(' >

Python对于Excel的 *** 作是多种多样的，掌握了相关用法就可以随心所欲的 *** 作数据了！

*** 作xls文件

xlrd（读 *** 作）：

import xlrd

1、引入xlrd模块

workbook=xlrdopen_workbook("36xls")

2、打开[36xls]文件，获取excel文件的workbook（工作簿）对象

names=workbooksheet_names()

3、获取所有sheet的名字

worksheet=workbooksheet_by_index(0)

4、通过sheet索引获得sheet对象

worksheet为excel表第一个sheet表的实例化对象

worksheet=workbooksheet_by_name("各省市")

5、通过sheet名获得sheet对象

worksheet为excel表sheet名为各省市的实例化对象

nrows=worksheetnrows

6、获取该表的总行数

ncols=worksheetncols

7、获取该表的总列数

row_data=worksheetrow_values(n)

8、获取该表第n行的内容

col_data=worksheetcol_values(n)

9、获取该表第n列的内容

cell_value=worksheetcell_value(i,j)

10、获取该表第i行第j列的单元格内容

xlwt（写 *** 作）：

import xlwt

1、引入xlwt模块

book=xlwtWorkbook(encoding="utf-8")

2、创建一个Workbook对象，相当于创建了一个Excel文件

sheet = bookadd_sheet('test')

3、创建一个sheet对象，一个sheet对象对应Excel文件中的一张表格。

sheetwrite(i, j, '各省市')

4、向sheet表的第i行第j列，写入'各省市'

booksave('Data\\36xls')

5、保存为Data目录下36xls文件

*** 作xlsx文件

openpyxl（读 *** 作）：

import openpyxl

1、引入openpyxl模块

workbook=openpyxlload_workbook("36xlsx")

2、打开[36xlsx]文件，获取excel文件的workbook（工作簿）对象

names=workbooksheetnames

worksheet=workbookworksheets[0]

worksheet=workbook["各省市"]

ws = workbookactive

6、获取当前活跃的worksheet,默认就是第一个worksheet

nrows=worksheetmax_row

7、获取该表的总行数

ncols=worksheetmax_column

8、获取该表的总列数

content_A1= worksheet['A1']value

9、获取该表A1单元格的内容

content_A1=worksheetcell(row=1,column=1)value

10、获取该表第1列第1列的内容

openpyxl（写 *** 作）：

workbook=openpyxlWorkbook()worksheet = workbookactive

3、获取当前活跃的worksheet,默认就是第一个worksheet

worksheettitle="test"

4、worksheet的名称设置为"test"

worksheet = workbookcreate_sheet()

5、创建一个新的sheet表，默认插在工作簿末尾

worksheetcell(i,j,'空')

6、第i行第j列的值改成'空'

worksheet["B2"]="空"

7、将B2的值改成'空'

worksheetinsert_cols(1)

8、在第一列之前插入一列

worksheetappend(["新增","台湾省"])

9、添加行

workbooksave("Data\\36xlsx")

10、保存为Data目录下36xlsx文件

pandas处理excel文件

pandas *** 作：

import pandas as pd

1、引入pandas模块

data = pdread_excel('36xls')

2、读取[36xls]或者[36xlsx]文件

data = pdread_csv('36csv')

3、读取[36csv]文件

data=datadropna(subset=['店铺'])

4、过滤掉data店铺列有缺失的数据

datasort_values("客户网名", inplace=True)

5、将data数据按照客户网名列进行从小到大排序

data = pdread_csv(36csv, skiprows = [0,1,2],sep = None, skipfooter = 4)

6、读取[36csv]文件，前三行和后四行的数据略过

data = datafillna('空')

7、将data中的空白处填充成'空'

datadrop_duplicates('订单','first',inplace=True)

8、data中的数据，按照订单列做去重处理，保留第一条数据

data=pdDataFrame(data,columns=['订单','仓库'])

9、只保留data中订单仓库列的数据

data = data[(data[u'展现量'] > 0)]

10、只保留展现量列中大于0的数据

data= data[data["订单"]strcontains('000')]

11、只保留订单列中包含'000'的数据

data= data[data["仓库"]=='正品仓']

12、只保留仓库列是'正品仓'的数据

xs= data[data["店铺"]=='南极人']['销售额']

13、获取店铺是南极人的销售额数据

data['订单'] = data['订单']str[3:7]

14、订单列的值只保留4-8个字节的值

data["邮资"] = npwhere((data['店铺']strcontains('T|t')) & -(data['仓库'] == '代发仓'), 8, data['邮资'])

15、满足店铺列包含 T 或 t 并且仓库不等于'代发仓'的话，将邮资的值改成8，否则值不变

data = nparray(data)tolist()

16、将data从DataFrame转换成列表

data=pdDataFrame(data)

17、将列表转换成DataFrame格式

zhan = data[u'展现']sum()round(2)

18、将data中所有展现列数据求和，并取两位小数

sum=datagroupby(['店铺'])['刷单']sum()

19、将data中按照店铺对刷单进行求和

counts=data['店铺']value_counts()

20、将data按照店铺进行计算

avg=datagroupby(['店铺'])['刷单']mean()

21、将data按照店铺对刷单进行求平均数

count = pdconcat([counts,sum], axis=1, ignore_index=True, sort=True)

22、将counts和sum两个DataFrame进行了组合

count=countrename(index=str, columns={0: "订单", 1: "成本"})

23、将新生成的DataFrame列名进行修改

data = pdmerge(sum, counts, how='left', left_on='店铺', right_on='店铺')

24、将列表转换成DataFrame格式

from openpyxl import Workbook 

wb=Workbook()  

ws1=wbactive 

datato_excel('36xlsx') 

wbclose()

25、data完整的写入到关闭过程，执行此 *** 作的时候36xlsx不能是打开状态

excel格式 *** 作

样式处理：

1、打开36xlsx

sheet=workbookworksheets[0]

2、将第一个sheet对象赋值给sheet

sheetcolumn_dimensions['A']width = 200

3、将A列的宽度设置为20

sheetrow_dismensions[1]height = 200

4、将第一行的行高设置为20

sheetmerge_cells('A1:A2')

5、将sheet表A1和A2单元格合并

sheetunmerge_cells('A1:A2')

6、将sheet表A1和A2单元格取消合并

sheetinsert_rows(2,2)

7、将sheet表从第2行插入2行

sheetinsert_cols(3,2)

8、将sheet表从第3列插入2列

sheetdelete_rows(2)

9、删除第2行

sheetdelete_cols(3, 2)

10、将sheet表从第3列开始删除2列

from openpyxlstyles import Font, Border, PatternFill, colors, Alignment

11、分别引入字体、边框、图案填充、颜色、对齐方式

sheetcell(i,j)font = Font(name='Times New Roman', size=14, bold=True, color=colorsWHITE)

12、设置sheet表第 i 行第 j 列的字体

sheetcell(i,j)alignment = Alignment(horizontal='center', vertical='center')

13、设置sheet表第 i 行第 j 列的字体对齐方式

left, right, top, bottom = [Side(style='thin', color='000000')] 4sheetcell(i,j)border = Border(left=left, right=right, top=top, bottom=bottom)

14、引入边框样式并调用

fill = PatternFill("solid", fgColor="1874CD")sheetcell(1,j)fill = fill

15、引入填充样式，并调用

import xlrd

from openpyxl import Workbook

from openpyxl import load_workbook

workbook=load_workbook(filename='C:/Users/EDZ/Desktop/工作/20210803/大兄弟xlsx')

sheet=workbookactive

sheetinsert_cols(idx=1)

sheetmerge_cells(A1:A3)

sheet['A1']=['上海','山东','浙江']

大家好，我是Peter~

在很多情况下，我们都需要处理PDF格式的文件。尤其当我们遇到PDF表格数据需要进行提取，真的是一个令人头疼的问题。

因为PDF文件不能像Word那样直接复制，即使复制了再黏贴也可能会出现格式排版错乱甚至乱码问题。如何从一个PDF文件提取出表格数据？本文提供两个解决方案：

首先提供的一种方法是从文字 PDF 中提取表格信息的工具：Camelot，它能够直接将大部分表格转换为 Pandas 的 Dataframe。

更多的详细信息，请参考项目地址： >

以上就是关于强烈推荐一款Python可视化神器！强烈必备！全部的内容，包括:强烈推荐一款Python可视化神器！强烈必备！、pandas常用函数汇总、features()函数用法等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！