网站怎么做移动图片大全,企业管理培训课程报名,重庆网站建设 夹夹虫,模板王官网登录Python自动化测试-使用Pandas来高效处理测试数据 目录#xff1a;导读
一、思考
二、使用pandas来操作Excel文件
三、使用pandas来操作csv文件
四、总结 一、思考
1.Pandas是什么#xff1f; 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H… Python自动化测试-使用Pandas来高效处理测试数据 目录导读
一、思考
二、使用pandas来操作Excel文件
三、使用pandas来操作csv文件
四、总结 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.经典面试题
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 pandasb.通过源码来安装
git clone git://github.com/pydata/pandas.git
cd pandas
python setup.py install2.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_namemultiply)
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_namemultiply) # 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_namemultiply) # 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_namemultiply) # 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_namemultiply) # 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_nameNew, indexFalse) 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
4,18,1import 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, headerNone)# 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, headerNone, 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
写在最后 如果你觉得文章还不错请大家 点赞、分享、留言 下因为这将是我持续输出更多优质文章的最强动力 看到这篇文章的人有觉得我的理解有误的地方也欢迎评论和探讨 你也可以加入下方的的群聊去和同行大神交流切磋
