好方法
Python利用pandas處理Excel資料的應用
最近迷上了高效處理資料的pandas，其實這個是用來做資料分析的，如果你是做大資料分析和測試的，那麼這個是非常的有用的！！但是其實我們平時在做自動化測試的時候，如果涉及到資料的讀取和存儲，那麼而利用pandas就會非常高效，基本上3行代碼可以搞定你20行代碼的操作！該教程僅僅限于結合檸檬班的全棧自動化測試課程來講解下pandas在項目中的應用，這僅僅隻是冰山一角，希望大家可以踴躍的去嘗試和探索！ 複制
一、安裝環境：
[
複制代碼
](javascript:void(0); "複制代碼")
<pre style="margin: 0px; padding: 0px; white-space: pre-wrap; overflow-wrap: break-word; font-family: "Courier New" !important; font-size: 12px !important;"> 1：pandas依賴處理Excel的xlrd子產品，是以我們需要提前安裝這個，安裝指令是：pip install xlrd 2:安裝pandas子產品還需要一定的編碼環境，是以我們自己在安裝的時候，確定你的電腦有這些環境：Net.4 、VC-Compiler以及winsdk_web，如果大家沒有這些軟體~可以咨詢我們的輔導員索要相關安裝工具。 3:步驟1和2 準備好了之後，我們就可以開始安裝pandas了，安裝指令是：pip install pandas
一切準備就緒，就可以開始愉快的玩耍咯！
ps:在這個過程中，可能會遇到安裝不順利的情況，萬能的度娘有N種解決方案，你這麼大應該要學着自己解決問題。</pre>
[
複制代碼
](javascript:void(0); "複制代碼")
二、pandas操作Excel表單 複制
資料準備，有一個Excel檔案：lemon.xlsx有兩個表單，表單名分别為：Python 以及student，
Python的表單資料如下所示：
image
student的表單資料如下所示：
image
1：在利用pandas子產品進行操作前，可以先引入這個子產品，如下：
2:讀取Excel檔案的兩種方式： 複制
方法一：預設讀取第一個表單
df=pd.read_excel('lemon.xlsx')#這個會直接預設讀取到這個Excel的第一個表單
data=df.head()#預設讀取前5行的資料
print("擷取到所有的值:\n{0}".format(data))#格式化輸出</pre>
得到的結果是一個二維矩陣，如下所示：
image
<pre style="margin: 0px; padding: 0px; white-space: pre-wrap; overflow-wrap: break-word; font-family: "Courier New" !important; font-size: 12px !important;">#方法二：通過指定表單名的方式來讀取
df=pd.read_excel('lemon.xlsx',sheet_name='student')#可以通過sheet_name來指定讀取的表單
data=df.head()#預設讀取前5行的資料
print("擷取到所有的值:\n{0}".format(data))#格式化輸出</pre>
得到的結果如下所示，也是一個二維矩陣：
image
[
複制代碼
](javascript:void(0); "複制代碼")
<pre style="margin: 0px; padding: 0px; white-space: pre-wrap; overflow-wrap: break-word; font-family: "Courier New" !important; font-size: 12px !important;">#方法三：通過表單索引來指定要通路的表單，0表示第一個表單 #也可以采用表單名和索引的雙重方式來定位表單 #也可以同時定位多個表單，方式都羅列如下所示
df=pd.read_excel('lemon.xlsx',sheet_name=['python','student'])#可以通過表單名同時指定多個 # df=pd.read_excel('lemon.xlsx',sheet_name=0)#可以通過表單索引來指定讀取的表單 # df=pd.read_excel('lemon.xlsx',sheet_name=['python',1])#可以混合的方式來指定 # df=pd.read_excel('lemon.xlsx',sheet_name=[1,2])#可以通過索引 同時指定多個
data=df.values#擷取所有的資料，注意這裡不能用head()方法哦~
print("擷取到所有的值:\n{0}".format(data))#格式化輸出</pre>
[
複制代碼
](javascript:void(0); "複制代碼")
具體結果是怎樣的，同學們可以自己一個一個的去嘗試，這個結果是非常有意思的，但是同時同學們也發現了，這個資料是一個二維矩陣，對于我們去做自動化測試，并不能很順利的處理，是以接下來，我們就會詳細的講解，如何來讀取行号和列号以及每一行的内容 以及制定行列的内容。
三、pandas操作Excel的行列
1：讀取指定的單行，資料會存在清單裡面
<pre style="margin: 0px; padding: 0px; white-space: pre-wrap; overflow-wrap: break-word; font-family: "Courier New" !important; font-size: 12px !important;">#1：讀取指定行
df=pd.read_excel('lemon.xlsx')#這個會直接預設讀取到這個Excel的第一個表單
data=df.ix[0].values#0表示第一行 這裡讀取資料并不包含表頭，要注意哦！
print("讀取指定行的資料：\n{0}".format(data))</pre>
得到的結果如下所示:
image
2：讀取指定的多行，資料會存在嵌套的清單裡面：
<pre style="margin: 0px; padding: 0px; white-space: pre-wrap; overflow-wrap: break-word; font-family: "Courier New" !important; font-size: 12px !important;">df=pd.read_excel('lemon.xlsx')
data=df.ix[[1,2]].values#讀取指定多行的話，就要在ix[]裡面嵌套清單指定行數
print("讀取指定行的資料：\n{0}".format(data))</pre>
3：讀取指定的行列：
<pre style="margin: 0px; padding: 0px; white-space: pre-wrap; overflow-wrap: break-word; font-family: "Courier New" !important; font-size: 12px !important;">df=pd.read_excel('lemon.xlsx')
data=df.ix[1,2]#讀取第一行第二列的值，這裡不需要嵌套清單 print("讀取指定行的資料：\n{0}".format(data))</pre>
4：讀取指定的多行多列值：
<pre style="margin: 0px; padding: 0px; white-space: pre-wrap; overflow-wrap: break-word; font-family: "Courier New" !important; font-size: 12px !important;">df=pd.read_excel('lemon.xlsx')
data=df.ix[[1,2],['title','data']].values#讀取第一行第二行的title以及data列的值，這裡需要嵌套清單 print("讀取指定行的資料：\n{0}".format(data))</pre>
5：擷取所有行的指定列
<pre style="margin: 0px; padding: 0px; white-space: pre-wrap; overflow-wrap: break-word; font-family: "Courier New" !important; font-size: 12px !important;">df=pd.read_excel('lemon.xlsx')
data=df.ix[:,['title','data']].values#讀所有行的title以及data列的值，這裡需要嵌套清單 print("讀取指定行的資料：\n{0}".format(data))</pre>
6：擷取行号并列印輸出
<pre style="margin: 0px; padding: 0px; white-space: pre-wrap; overflow-wrap: break-word; font-family: "Courier New" !important; font-size: 12px !important;">df=pd.read_excel('lemon.xlsx') print("輸出行号清單",df.index.values)
輸出結果是：
輸出行号清單 [0 1 2 3]</pre>
7：擷取列名并列印輸出
<pre style="margin: 0px; padding: 0px; white-space: pre-wrap; overflow-wrap: break-word; font-family: "Courier New" !important; font-size: 12px !important;">df=pd.read_excel('lemon.xlsx') print("輸出列标題",df.columns.values)
運作結果如下所示：
輸出列标題 ['case_id' 'title' 'data']</pre>
8：擷取指定行數的值：
[
複制代碼
](javascript:void(0); "複制代碼")
<pre style="margin: 0px; padding: 0px; white-space: pre-wrap; overflow-wrap: break-word; font-family: "Courier New" !important; font-size: 12px !important;">df=pd.read_excel('lemon.xlsx') print("輸出值",df.sample(3).values)#這個方法類似于head()方法以及df.values方法
輸出值
[[2 '輸入錯誤的密碼' '{"mobilephone":"18688773467","pwd":"12345678"}']
[3 '正常充值' '{"mobilephone":"18688773467","amount":"1000"}']
[1 '正常登入' '{"mobilephone":"18688773467","pwd":"123456"}']]</pre>
[
複制代碼
](javascript:void(0); "複制代碼")
9：擷取指定列的值：
<pre style="margin: 0px; padding: 0px; white-space: pre-wrap; overflow-wrap: break-word; font-family: "Courier New" !important; font-size: 12px !important;">df=pd.read_excel('lemon.xlsx') print("輸出值\n",df['data'].values)</pre>
四：pandas處理Excel資料成為字典
我們有這樣的資料，
image
，處理成清單嵌套字典，且字典的key為表頭名。
實作的代碼如下所示：
[
複制代碼
](javascript:void(0); "複制代碼")
<pre style="margin: 0px; padding: 0px; white-space: pre-wrap; overflow-wrap: break-word; font-family: "Courier New" !important; font-size: 12px !important;">df=pd.read_excel('lemon.xlsx')
test_data=[] for i in df.index.values:#擷取行号的索引，并對其進行周遊：
#根據i來擷取每一行指定的資料 并利用to_dict轉成字典
row_data=df.ix[i,['case_id','module','title','http_method','url','data','expected']].to_dict()
test_data.append(row_data) print("最終擷取到的資料是：{0}".format(test_data))</pre>
[
複制代碼
](javascript:void(0); "複制代碼")
最後得到的結果是：
<pre style="margin: 0px; padding: 0px; white-space: pre-wrap; overflow-wrap: break-word; font-family: "Courier New" !important; font-size: 12px !important;">最終擷取到的資料是：
[{'title': '正常登入', 'case_id': 1, 'data': '{"mobilephone":"18688773467","pwd":"123456"}'},
{'title': '輸入錯誤的密碼', 'case_id': 2, 'data': '{"mobilephone":"18688773467","pwd":"12345678"}'},
{'title': '正常充值', 'case_id': 3, 'data': '{"mobilephone":"18688773467","amount":"1000"}'},
{'title': '充值輸入負數', 'case_id': 4, 'data': '{"mobilephone":"18688773467","amount":"-100"}'}]</pre>
關于pandas的學習，今天就告一段落啦！趕緊打開pycharm跑起來！！！
import pandas as pd
from sqlalchemy import create_engine
file = r"line6.xlsx"
df = pd.read_excel(file)
print(df)
engine = create_engine("mysql+pymysql://root:[email protected]:3306/excel?charset=utf8")
df.to_sql('testexcel',con=engine,if_exists='replace',index=False)