影刀RPA Python Pandas表格数据处理：比Excel指令强大10倍

影刀RPA Python Pandas表格数据处理比Excel指令强大10倍作者林焱 | 适合人群用影刀Excel指令处理大量数据感觉慢或不够灵活的新手什么情况用什么影刀自带的Excel指令能处理简单的读写操作。但遇到这些场景就不够用了要对上万行数据做复杂筛选和计算要合并多个Excel文件的数据要做数据透视、分组汇总要处理的数据列很多指令叠指令很慢Python Pandas是Python里最强大的表格数据处理库一行代码完成影刀10个指令的工作。怎么做在影刀里使用Pandas拼多多店群自动化报活动上架拖入「执行Python代码」指令点亮Python图标导入Pandasimportpandasaspd影刀内置了Pandas库不需要额外安装。案例1读取Excel并筛选importpandasaspd# 读取Excel文件dfpd.read_excel(rD:\data\销售数据.xlsx)# 筛选出销售额1000的行resultdf[df[销售额]1000]# 只保留姓名和销售额两列resultresult[[姓名,销售额]]# 输出结果print(result.to_string())案例2多个Excel合并你有3个月的销售数据每个月一个Excel文件要合并成一个。importpandasaspd files[1月.xlsx,2月.xlsx,3月.xlsx]all_data[]forfinfiles:dfpd.read_excel(f)all_data.append(df)# 纵向合并resultpd.concat(all_data)# 保存到新文件result.to_excel(季度汇总.xlsx,indexFalse)案例3分组汇总# 按省份分组统计每个省份的总销售额summarydf.groupby(省份)[销售额].sum()print(summary)有什么坑坑1文件路径要用原始字符串rD:\data\文件.xlsx而不是D:\data\文件.xlsx。不加r前缀的话\d、\n等会被当成转义字符导致路径报错。坑2大文件读取很慢TEMU店群矩阵自动化运营核价报活动用Pandas读一个几十MB的Excel文件可能需要几十秒。解决方案指定只读需要的列pd.read_excel(f, usecols[姓名,销售额])如果只是查看前几行用.head(10)而不是打印全部坑3空值处理Excel里的空单元格Pandas读进来是NaNNot a Number不是空字符串。解决方案df.fillna()把NaN替换成空字符串或者df.dropna()删除包含NaN的行。总结Pandas的核心能力筛选、合并、分组、透视。有了Pandas影刀负责采集数据Pandas负责处理数据分工明确。作者林焱