关于Excel:在PANDAS数据帧上使用运算符链接来读取数据、删除不需要的列、重命名列和读取几行

use operator chaining on pandas data frame to read data, del unwanted columns, rename columns and read few rows

在最终使用之前,我有一个数据集要读取并清理数据。

我知道如何通过以下单独的独立步骤做到这一点:

1
2
3
4
5
    data = pd.read_excel('C:\Users\pappu.a.kumar\Documents\data\coursera\python\Energy Indicators.xls',skiprows=17, skip_footer=0)
    del data['Unnamed: 0']
    del data['Unnamed: 1']
    data.columns = ['Country', 'Energy Supply', 'Energy Supply per Capita', '% Renewable']
    fdata = data.ix[:226]

现在,我想使用操作符链接来完成所有这些步骤。我第一次尝试这样做是写在下面的:

1
2
3
4
5
    data = (pd.read_excel('C:\Users\pappu.a.kumar\Documents\data\coursera\python\Energy Indicators.xls',skiprows=17, skip_footer=0)
      .(del data['Unnamed: 0'])
      .(del data['Unnamed: 1'])
      .(columns = ['Country', 'Energy Supply', 'Energy Supply per Capita', '% Renewable'])
      .(ix[:226]))

但此代码产生以下错误:

File"", line 3

.(del data['Unnamed: 0'])

^

SyntaxError: invalid syntax

我不知道我在做什么在逻辑上是否可行。如果可能的话,任何对正确的文档或代码本身的引用都会受到赞赏。


如果未命名列的位置仍然相同,则使用read_excel中的参数names来设置新的列名称,然后通过drop删除不必要的列。选择时可使用.iloc[226].head(226).ix(226)

1
2
3
4
#2 last columns are unnecessary - 2 last values of list in parameter names are 'tmp1' and 'tmp2'
data = pd.read_excel('C:\Users\pappu.a.kumar\Documents\data\coursera\python\Energy Indicators.xls',skiprows=17, skip_footer=0, names=['Country', 'Energy Supply', 'Energy Supply per Capita', '% Renewable', 'tmp1', 'tmp2'])
         .drop(['tmp1','tmp2'], axis=1)
         .head(226)

另一种可能的解决方案是重命名列:

1
2
3
4
data = pd.read_excel('C:\Users\pappu.a.kumar\Documents\data\coursera\python\Energy Indicators.xls',skiprows=17, skip_footer=0)
         .drop(['Unnamed: 0','Unnamed: 1'], axis=1)
         .rename(columns={'firstcol':'Country', 'secondcol': 'Energy Supply', ...})
         .head(226)