测试派 Give testers a home.

一、思考

1.Pandas是什么？

• 功能极其强大的数据分析库
• 可以高效地操作各种数据集
  • csv格式的文件
  • Excel文件
  • HTML文件
  • XML格式的文件
  • JSON格式的文件
  • 数据库操作

2.学员面试题

通过面试题引出主题，读者可以思考，如果你遇到这题，该如何解答呢？

二、使用pandas来操作Excel文件

1.安装

a.通过Pypi来安装

pip install pandas

b.通过源码来安装

git clone git://github.com/pydata/pandas.git
cd pandas
python setup.py install

2.按列读取数据

案例中的lemon_cases.xlsx文件内容如下所示：

import pandas as pd

# 读excel文件
# 返回一个DataFrame对象，多维数据结构
df = pd.read_excel('lemon_cases.xlsx', sheet_name='multiply')
print(df)


# 1.读取一列数据
# df["title"] 返回一个Series对象，记录title这列的数据
print(df["title"])

# Series对象能转化为任何序列类型和dict字典类型
print(list(df['title']))    # 转化为列表
# title为DataFrame对象的属性
print(list(df.title))    # 转化为列表
print(tuple(df['title']))   # 转化为元组
print(dict(df['title']))    # 转化为字典，key为数字索引

# 2.读取某一个单元格数据
# 不包括表头，指定列名和行索引
print(df['title'][0])   # title列，不包括表头的第一个单元格

# 3.读取多列数据
print(df[["title", "actual"]])

3.按行读取数据

import pandas as pd

# 读excel文件
df = pd.read_excel('lemon_cases.xlsx', sheet_name='multiply')   # 返回一个DataFrame对象，多维数据结构
print(df)


# 1.读取一行数据
# 不包括表头，第一个索引值为0
# 获取第一行数据，可以将其转化为list、tuple、dict
print(list(df.iloc[0]))  # 转成列表
print(tuple(df.iloc[0]))  # 转成元组
print(dict(df.iloc[0]))  # 转成字典
print(dict(df.iloc[-1]))  # 也支持负索引

# 2.读取某一个单元格数据
# 不包括表头，指定行索引和列索引（或者列名）
print(df.iloc[0]["l_data"])   # 指定行索引和列名
print(df.iloc[0][2])    # 指定行索引和列索引

# 3.读取多行数据
print(df.iloc[0:3])

4.iloc和loc方法

import pandas as pd

# 读excel文件
df = pd.read_excel('lemon_cases.xlsx', sheet_name='multiply')   # 返回一个DataFrame对象，多维数据结构
print(df)


# 1.iloc方法
# iloc使用数字索引来读取行和列
# 也可以使用iloc方法读取某一列
print(df.iloc[:, 0])
print(df.iloc[:, 1])
print(df.iloc[:, -1])

# 读取多列
print(df.iloc[:, 0:3])

# 读取多行多列
print(df.iloc[2:4, 1:4])
print(df.iloc[[1, 3], [2, 4]])

# 2.loc方法
# loc方法，基于标签名或者索引名来选择
print(df.loc[1:2, "title"])  			# 多行一列
print(df.loc[1:2, "title":"r_data"])    # 多列多行

# 基于布尔类型来选择
print(df["r_data"] > 5)  # 某一列中大于5的数值为True，否则为False
print(df.loc[df["r_data"] > 5])  # 把r_data列中大于5，所在的行选择出来
print(df.loc[df["r_data"] > 5, "r_data":"actual"])  # 把r_data到actual列选择出来

5.读取所有数据

import pandas as pd

# 读excel文件
df = pd.read_excel('lemon_cases.xlsx', sheet_name='multiply')   # 返回一个DataFrame对象，多维数据结构
print(df)


# 读取的数据为嵌套列表的列表类型，此方法不推荐使用
print(df.values)

# 嵌套字典的列表
datas_list = []
for r_index in df.index:
    datas_list.append(df.iloc[r_index].to_dict())

print(datas_list)

6.写入数据

import pandas as pd

# 读excel文件
df = pd.read_excel('lemon_cases.xlsx', sheet_name='multiply')   # 返回一个DataFrame对象，多维数据结构
print(df)


df['result'][0] = 1000
print(df)
with pd.ExcelWriter('lemon_cases_new.xlsx') as writer:
    df.to_excel(writer, sheet_name="New", index=False)

三、使用pandas来操作csv文件

1.读取csv文件

案例中的data.log文件内容如下所示：

TestID,TestTime,Success
0,149,0
1,69,0
2,45,0
3,18,1
4,18,1

import pandas as pd


# 读取csv文件
# 方法一，使用read_csv读取，列与列之间默认以逗号分隔（推荐方法）
# a.第一行为列名信息
csvframe = pd.read_csv('data.log')

# b.第一行没有列名信息，直接为数据
csvframe = pd.read_csv('data.log', header=None)

# c.第一行没有列名信息，直接为数据，也可以指定列名
csvframe = pd.read_csv('data.log', header=None, names=["Col1", "Col2", "Col3"])


# 方法二，read_table，需要指定列与列之间分隔符为逗号
csvframe = pd.read_table('data.log', sep=",")

2.解答学员面试题

import pandas as pd


# 1.读取csv文件
csvframe = pd.read_csv('data.log')

# 2.选择Success为0的行
new_csvframe = csvframe.loc[csvframe["Success"] == 0]
result_csvframe = new_csvframe["TestTime"]
avg_result = round(sum(result_csvframe)/len(result_csvframe), 2)
print("TestTime最小值为：{}\nTestTime最大值为：{}\nTestTime平均值为：{}".
      format(min(result_csvframe), max(result_csvframe), avg_result))

四、总结

• 在数据分析、数据可视化领域，Pandas的应用极其广泛；在大规模数据、多种类数据处理上效率非常高
• 在软件测试领域也有应用，但如果仅仅用excel来存放测试数据，使用Pandas就有点**“杀鸡焉用宰牛刀”的感觉，那么建议使用特定的模块来处理（比如openpyxl**）