如何使用Python对Excel文件中的“体育统计”进行排序和存储？

Question

我有一个带有体育数据的excel电子表格--一个标题行，上面有团队、结果、日期等内容，还有其中所有球队的行(例如，如果是棒球，前162排是一个队的单项比赛，那么下一个162排是另一个队的比赛，等等)。

我可以用XLRD轻松地将它们读入python，但我不知道如何准确地存储它们，这样我就可以轻松地访问有关特定团队的信息。我可以使用defaultdict(列表)，但老实说，我并不太确定如何实际访问任何特定的内容。

例如：

import xlrd
import xlwt
import os.path
import math
import pandas as pd
from xlutils.copy import copy as xl_copy
from collections import defaultdict



result = defaultdict(list)
workbook = xlrd.open_workbook("Sample.xls")
worksheet = workbook.sheet_by_index(1)
headers = worksheet.row(0)
for index in range(worksheet.nrows)[1:]:
    for header, col in zip(headers, worksheet.row(index)):
        result[header.value].append(col.value)

这会将我需要的所有内容存储在“结果”中，输出(如果我打印的话)是这样的(例如，一个3行文件)：

Team {'Boston Red Sox','Boston Red Sox','Boston Red Sox'}
Score {'11-4','4-0','5-6'}
Result {'W','W','L'}

如何通过team更好地存储/排序这些信息，以便我能够轻松地访问与特定团队有关的信息？**如果我想将他们取得的胜利相加起来，例如，我将如何做到这一点？耳聋对这种情况有什么好处吗？

谢谢

Answer 1

假设您有以下数据：

​

​

您可能希望将数据存储为list of dictionaries，如下所示：

data = [{'Team':'Miami Heat', 'Score':'11:4', 'Result':'W'},
        {'Team':'Golden State Warriors', 'Score':'4:0', 'Result':'W'},
        {'Team':'Cleveland Cavaliers', 'Score':'5:6', 'Result':'L'}]

您可以通过以下代码来实现这一点：

import xlrd

workbook = xlrd.open_workbook('Sample.xls')
worksheet = workbook.sheet_by_index(0)

result = []
keys = [v.value.encode('ascii', 'ignore') for v in worksheet.row(0)]

for row_number in range(worksheet.nrows)[1:]:
  row_data = {}
  for col_number, cell in enumerate(worksheet.row(row_number)):
    row_data[keys[col_number]] = cell.value.encode('ascii', 'ignore')
  result.append(row_data)

然后，您可以轻松地对字典数组执行操作，比如按团队排序--例如使用以下代码：

sorted_team = sorted(result, key=lambda k: k['Team'])

假设您想浏览每本词典并获得特定团队的分数(例如“迈阿密热火”和"11-4")，那么您可以这样做：

for item in result:
  if item['Team'] == "Miami Heat":
    print item['Score']

这是一条很长的路。我非常肯定，您可以使用generator expressions或其他一些方法简化这段代码，让您了解一下。:)

我对这段代码的变量名做了一些调整，以使它们更具描述性。

Answer 2

使用熊猫的read_excel方法。

这会将Excel数据放入与Excel表具有相同结构的整洁的dataframe中。

import pandas as pd
df = pd.read_excel("Sample.xls")

如果有日期时间列，请使用选项parse_dates=[datetime_column]。

然后检查您的数据是否具有使用df.dtypes的所有正确的数据类型，如果需要更改某些数据，则使用df[column] = df[column].astype(new_data_type)。

若要按团队对数据进行排序，请执行以下操作：

df = df.sort_values("Team").reset_index(drop=True)

要从某个团队中选择数据，请使用布尔索引：

df_team = df[df["Team"] == team]

如果您想要操作经过过滤的数据，请在上面的代码后面进一步放置一个.copy()，以创建一个新的对象。

要打印该团队的得分，您可以这样做：

print(df_team["Score"])

如果结果很长--这将省略数据，那么您可以这样做：

with pd.option_context('display.max_rows', None):
    print(df_team["Score"])

另一种方法是迭代行，但不建议这样做：

for _,row in df_team.iterrows():
    print(row["Score"])