【Python】excel常用函数操作Python实现，办公入门首选

常见的Excel函数，在Python中的如何实现：

1. VLOOKUP: 可以使用merge或map函数来实现类似的功能。
2. IF: 可以使用numpy库的where函数来实现类似的功能。
3. SUMIF: 可以使用pandas的query函数来筛选数据，然后使用sum函数来计算总和。
4. COUNTIF: 类似于SUMIF，可以使用query函数来筛选数据，然后使用count函数来计算数量。
5. AVERAGEIF: 类似于SUMIF和COUNTIF，可以使用query函数来筛选数据，然后使用mean函数来计算平均值。
6. INDEX & MATCH: 可以使用.loc或.iloc函数来实现类似的功能。
7. RANK: 可以使用rank函数来实现类似的功能。
8. CONCATENATE: 可以使用+运算符或str.cat函数来实现类似的功能。
9. TEXT: 可以使用str.format函数来实现类似的功能。
10. SUBSTITUTE: 可以使用str.replace函数来实现类似的功能。

代码如下：

1.VLOOKUP：可以使用merge或map函数来实现类似的功能。

import pandas as pd

# Let's assume we have two dataframes: df1 and df2
df1 = pd.DataFrame({
   'A': ['foo', 'bar', 'baz', 'qux'],
   'B': ['one', 'one', 'two', 'three'],
   'C': ['x', 'y', 'z', 'w'],
   'D': [1, 2, 3, 4]
})

df2 = pd.DataFrame({
   'B': ['one', 'two', 'three'],
   'E': ['apple', 'banana', 'cherry']
})

# Now we want to add column E from df2 to df1 based on the values in column B
df3 = pd.merge(df1, df2, on='B', how='left')

print(df3)

输出结果：

2. IF：Python中的numpy库提供了一个where函数，可以用来实现类似的功能。例如：

import numpy as np

# Let's assume we have a dataframe df
df = pd.DataFrame({
   'A': [1, 2, 3, 4],
   'B': [5, 6, 7, 8]
})

# We want to create a new column C that contains the value from column A if the value in column B is greater than 6, otherwise it contains the value from column B
df['C'] = np.where(df['B'] > 6, df['A'], df['B'])

print(df)

3. SUMIF：可以使用pandas的query函数来筛选数据，然后使用sum函数来计算总和。例如：

# Let's assume we have a dataframe df
df = pd.DataFrame({
   'A': [1, 2, 3, 4],
   'B': ['yes', 'no', 'yes', 'no']
})

# We want to sum the values in column A where the corresponding value in column B is 'yes'
sum_if = df.query('B == "yes"')['A'].sum()

print(sum_if)

4. COUNTIF：类似于SUMIF，可以使用query函数来筛选数据，然后使用count函数来计算数量。例如：

# Let's assume we have a dataframe df
df = pd.DataFrame({
   'A': [1, 2, 3, 4],
   'B': ['yes', 'no', 'yes', 'no']
})

# We want to count the number of values in column A where the corresponding value in column B is 'yes'
count_if = df.query('B == "yes"')['A'].count()

print(count_if)

5. AVERAGEIF：类似于SUMIF和COUNTIF，可以使用query函数来筛选数据，然后使用mean函数来计算平均值。例如：

# Let's assume we have a dataframe df
df = pd.DataFrame({
   'A': [1, 2, 3, 4],
   'B': ['yes', 'no', 'yes', 'no']
})

# We want to calculate the average of values in column A where the corresponding value in column B is 'yes'
average_if = df.query('B == "yes"')['A'].mean()

print(average_if)

6. INDEX & MATCH：可以使用.loc或.iloc函数来实现类似的功能。例如：

# Let's assume we have a dataframe df
df = pd.DataFrame({
   'A': [1, 2, 3, 4],
   'B': ['a', 'b', 'c', 'd']
})

# We want to get the value in column A where the corresponding value in column B is 'c'
value = df.loc[df['B'] == 'c', 'A'].iloc[0]

print(value)

7. RANK：可以使用rank函数来实现类似的功能。例如：

# Let's assume we have a dataframe df
df = pd.DataFrame({
   'A': [1, 2, 3, 4],
   'B': [4, 3, 2, 1]
})

# We want to get the rank of values in column B
df['C'] = df['B'].rank()

print(df)

8. CONCATENATE：可以使用+运算符或str.cat函数来实现类似的功能。例如：

# Let's assume we have a dataframe df
df = pd.DataFrame({
   'A': ['Hello', ' ', 'World'],
   'B': ['!', '', '']
})

# We want to concatenate the values in column A and column B
df['C'] = df['A'] + df['B']
# or
df['C'] = df['A'].str.cat(df['B'])

print(df)

9. TEXT：可以使用str.format函数来实现类似的功能。例如：

# Let's assume we have a dataframe df
df = pd.DataFrame({
   'A': [1, 2, 3, 4],
   'B': [0.1, 0.2, 0.3, 0.4]
})

# We want to format the values in column B as text with two decimal places
df['C'] = df['B'].apply(lambda x: '{:.2f}'.format(x))

print(df)

10. SUBSTITUTE：可以使用str.replace函数来实现类似的功能。例如：

# Let's assume we have a dataframe df
df = pd.DataFrame({
   'A': ['Hello World', 'Goodbye World']
})

# We want to replace 'World' with 'Python' in column A
df['B'] = df['A'].str.replace('World', 'Python')

print(df)