温馨提示×

温馨提示×

您好,登录后才能下订单哦!

密码登录×
登录注册×
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》

Python怎么使用Pandas处理测试数据

发布时间:2023-02-24 16:11:36 来源:亿速云 阅读:127 作者:iii 栏目:开发技术

这篇文章主要介绍“Python怎么使用Pandas处理测试数据”的相关知识,小编通过实际案例向大家展示操作过程,操作方法简单快捷,实用性强,希望这篇“Python怎么使用Pandas处理测试数据”文章能帮助大家解决问题。

    Python自动化测试-使用Pandas来高效处理测试数据

    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?

    Python怎么使用Pandas处理测试数据

    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.gitcd pandaspython 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:

    Python怎么使用Pandas处理测试数据

    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))

    关于“Python怎么使用Pandas处理测试数据”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识,可以关注亿速云行业资讯频道,小编每天都会为大家更新不同的知识点。

    向AI问一下细节

    免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。

    AI