Python Pandas高效提取Excel数据：以汽车之家评论为例

Python Pandas高效提取Excel数据：以汽车之家评论为例

本文将介绍如何使用Python Pandas库高效地从Excel文件中提取特定列的数据，并以字典格式存储。我们将以汽车之家秦plus评论数据为例，从'最满意'列开始提取数据。

import pandas as pd

# 读取Excel文件
df = pd.read_excel('C:\Users\86186\Desktop\汽车之家_秦plus_评论.xls')

# 初始化字典列表
sentences = []

# 遍历每一行数据
for index, row in df.iterrows():
    sentence_dict = {}
    columns = df.columns.tolist()
    start_index = columns.index('最满意')
    for column in columns[start_index:]:
        sentence_dict[column] = [sentence.strip() for sentence in str(row[column]).split('，')]
    sentences.append(sentence_dict)

# 打印结果
for sentence_dict in sentences:
    print(sentence_dict)

代码解析：

1. 导入pandas库: import pandas as pd
2. 读取Excel文件: 使用pd.read_excel()函数读取Excel文件，将文件路径替换为实际路径。
3. 初始化字典列表: sentences = [] 用于存储提取的数据。
4. 遍历数据: 使用df.iterrows()遍历数据框的每一行。
5. 查找'最满意'列索引: 使用columns.index('最满意')获取'最满意'列的索引。
6. 提取数据: 从'最满意'列开始，遍历每一列，使用str(row[column]).split('，')将每列的数据按照'，'分割成句子，并使用列表推导式去除句子两端的空格。
7. 存储数据: 将提取的句子存储到字典sentence_dict中，键为列名，值为句子列表。
8. 打印结果: 循环打印sentences列表中的每个字典。

注意事项：

• 确保已安装pandas和xlrd库：可以使用pip install pandas xlrd安装。
• 将文件路径修改为你的实际路径。
• 可以根据需要修改分隔符，例如使用'。'或';'分割句子。

这段代码可以帮助你快速地从Excel文件中提取特定列的数据，并以字典格式存储，方便后续的分析和处理。