Python怎么使用Pandas处理测试数据

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？

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：

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、dictprint(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Falseprint(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] = 1000print(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，可以关注编程网行业资讯频道，小编每天都会为大家更新不同的知识点。