在數據分析領域，電子表格的使用很常見，尤其是在處理柱狀格式的結構化數據時。 在 Python 中處理電子表格數據的流行庫之一是 Pandas。 這個功能強大的庫允許開發人員輕鬆讀取、操作和導出表格數據。 在本文中，我們將關註一個特定的問題：使用 Pandas 按列名更新工作表中的單元格。 我們將深入探討解決方案，然後逐步解釋代碼，最後討論 Pandas 中的相關概念和功能，例如使用索引和選擇數據。 那麼，讓我們開始吧。
使用 Pandas 按列名更新單元格
要按列名更新工作表中的單元格，我們首先需要安裝 Pandas 庫（如果尚未使用以下命令安裝）：
!pip install pandas
安裝 Pandas 後，讓我們概述按列名稱更新工作表中單元格的步驟：
1. 將工作表加載到 DataFrame 對像中。
2. 訪問我們要更新的單元格。
3. 通過分配新值修改所需的單元格。
4. 將 DataFrame 對象保存回工作表。
這是一個代碼片段，用一個簡單的例子演示了解決方案：
import pandas as pd
# Load data from a CSV file into a DataFrame object
df = pd.read_csv('your_spreadsheet.csv')
# Access and update the desired cells - let's update column 'Age' by adding 1 to each value
df['Age'] = df['Age'] + 1
# Save the updated DataFrame back to the CSV file
df.to_csv('your_updated_spreadsheet.csv', index=False)
理解守則
第一步是在別名 `pd` 下導入 Pandas 庫。 接下來，我們必須使用 `pd.read_csv()` 函數將 CSV 文件中的數據加載到 DataFrame 對像中，並指定輸入文件名（'your_spreadsheet.csv'）。
現在是問題的主要部分：訪問和更新所需的單元格。 在此示例中，我們希望通過向列中的每個值添加 1 來更新“年齡”列。 我們通過簡單地將 1 添加到 'Age' 列來完成此操作，該列可使用語法“df['Age']”訪問。 此代碼將對“年齡”列中的每個項目執行逐元素加法 1。
最後，我們使用帶有輸出文件名（“your_updated_spreadsheet.csv”）的“df.to_csv()”函數將更新後的 DataFrame 保存回 CSV 文件。 `index=False` 參數用於避免將行號寫入輸出文件。
Pandas 索引和選擇數據
Pandas 在很大程度上依賴於索引的概念來選擇和操作數據。 默認情況下，當從文件加載數據時，Pandas 分配一個 數字索引 到 DataFrame 的每一行，從 0 開始。在 Pandas 中處理數據時，了解不同的方式非常重要 選擇和過濾數據 基於索引值或列名。
例如，要選擇一個或多個特定行，您可以使用 iloc 索引器，它允許您根據整數索引訪問行：
# Select the first row of the DataFrame first_row = df.iloc[0] # Select rows 1 to 3 (excluding 3) rows_1_to_2 = df.iloc[1:3]
當您需要根據特定條件更新單元格時，例如僅更新另一列（例如，“城市”）具有特定值的那些行的“年齡”列，您可以使用布爾索引：
# Update the 'Age' column by adding 1, only for rows where 'City' is equal to 'New York' df.loc[df['City'] == 'New York', 'Age'] = df['Age'] + 1
在此示例中，“loc”索引器用於根據布爾條件選擇行，然後更新“年齡”列。
請記住，這只是在 Pandas 中處理數據時的冰山一角。 該庫提供了大量功能和技術來有效地操作、分析和可視化您的數據。 了解基礎知識，例如按列名稱更新工作表中的單元格，為將來處理更複雜的數據結構和分析任務奠定了堅實的基礎。
