可以用pd.read_excel("test.xlsx", header=1, nrows=17, usecols=3)，返回结果：

输出函数也同理，使用多少列，要不要index，标题怎么放，都可以控制。

vlookup函数

vlookup号称是Excel里的神器之一，用途很广泛，下面的例子来自豆瓣，VLOOKUP函数最常用的10种用法，你会几种?

案例一

问题：A3:B7单元格区域为字母等级查询表，表示60分以下为E级、60~69分为D级、70~79分为C级、80~89分为B级、90分以上为A级。D:G列为初二年级1班语文测验成绩表，如何根据语文成绩返回其字母等级？

python实现：

df['等级']= df['语文'].apply(grade_to_point)df

Out[]: 学号姓名 性别 语文 等级0101 王小丽 女 69 D1102 王宝勤 男 85 B2103 杨玉萍 女 49 E3104 田东会 女 90 A4105 陈雪蛟 女 73 C5106 杨建丰 男 42 E6107 黎梅佳 女 79 C7108 张兴 男 91 A8109 马进春 女 48 E9110 魏改娟 女 100 A10111 王冰研 女 64 D

案例二

问题：在Sheet1里面如何查找折旧明细表中对应编号下的月折旧额？（跨表查询）

python实现：使用merge将两个表按照编号连接起来就行

案例三

问题：类似于案例二，但此时需要使用近似查找

python实现：这个比起上一个要麻烦一些，需要用到一些pandas的使用技巧

df3Out[]: 资产名称 月折旧额0电动 13991货车 24382惠普 1323交联 101334桑塔纳 11475春兰 230

案例四

问题：在Excel中录入数据信息时，为了提高工作效率，用户希望通过输入数据的关键字后，自动显示该记录的其余信息，例如，输入员工工号自动显示该员工的信命，输入物料号就能自动显示该物料的品名、单价等。

如图所示为某单位所有员工基本信息的数据源表，在“2010年3月员工请假统计表”工作表中，当在A列输入员工工号时，如何实现对应员工的姓名、身份证号、部门、职务、入职日期等信息的自动录入？

python实现：上面的Excel的方法用得很灵活，但是pandas的想法和操作更简单方便些

案例五

问题：用VLOOKUP函数实现批量查找，VLOOKUP函数一般情况下只能查找一个，那么多项应该怎么查找呢？如下图，如何把张一的消费额全部列出？

python实现：vlookup函数有两个不足（或者算是特点吧），一个是被查找的值一定要在区域里的第一列，另一个是只能查找一个值，剩余的即便能匹配也不去查找了，这两点都能通过灵活应用if和indirect函数来解决，不过pandas能做得更直白一些。

数据透视表

问题：需要汇总各个区域，每个月的销售额与成本总计，并同时算出利润

通过Excel的数据透视表的操作最终实现了下面这样的效果：

python实现：对于这样的分组的任务，首先想到的就是pandas的groupby，代码写起来也简单，思路就是把刚才Excel的点鼠标的操作反映到代码命令上：

Out[]: 销售额 成本 利润订购月份 所属区域 1南京 134313.6194967.8439345.77常熟 177531.47163220.0714311.40无锡 316418.09231822.2884595.81昆山 159183.35145403.3213780.03苏州 287253.99238812.0348441.962南京 187129.13138530.4248598.71常熟 154442.74126834.3727608.37无锡 464012.20376134.9887877.22昆山 102324.4686244.5216079.94苏州 105940.3491419.5414520.80... ... ...11南京 286329.88221687.1164642.77常熟 2118503.541840868.53277635.01无锡 633915.41536866.7797048.64昆山 351023.24342420.188603.06苏州 1269351.391144809.83124541.5612南京 894522.06808959.3285562.74常熟 324454.49262918.8161535.68无锡 1040127.19856816.72183310.48昆山 1096212.75951652.87144559.87苏州 347939.30302154.2545785.05

[ 60 rows x 3 columns]

也可以使用pandas里的pivot_table函数来实现：

Out[]: 成本 销售额 利润订购月份 所属区域 1南京 94967.84134313.6139345.77常熟 163220.07177531.4714311.40无锡 231822.28316418.0984595.81昆山 145403.32159183.3513780.03苏州 238812.03287253.9948441.962南京 138530.42187129.1348598.71常熟 126834.37154442.7427608.37无锡 376134.98464012.2087877.22昆山 86244.52102324.4616079.94苏州 91419.54105940.3414520.80... ... ...11南京 221687.11286329.8864642.77常熟 1840868.532118503.54277635.01无锡 536866.77633915.4197048.64昆山 342420.18351023.248603.06苏州 1144809.831269351.39124541.5612南京 808959.32894522.0685562.74常熟 262918.81324454.4961535.68无锡 856816.721040127.19183310.48昆山 951652.871096212.75144559.87苏州 302154.25347939.3045785.05

[ 60rowsx 3columns]

pandas的pivot_table的参数index/ columns/ values和Excel里的参数是对应上的（当然，我这话说了等于没说，数据透视表里不就是行/列/值吗还能有啥。）

但是我个人还是更喜欢用groupby，因为它运算速度非常快。我在打kaggle比赛的时候，有一张表是贷款人的行为信息，大概有2700万行，用groupby算了几个聚合函数，几秒钟就完成了。

groupby的功能很全面，内置了很多aggregate函数，能够满足大部分的基本需求，如果你需要一些其他的函数，可以搭配使用apply和lambda。

不过pandas的官方文档说了，groupby之后用apply速度非常慢，aggregate内部做过优化，所以很快，apply是没有优化的，所以建议有问题先想想别的方法，实在不行的时候再用apply。

我打比赛的时候，为了生成一个新变量，用了groupby的apply，写了这么一句：ins['weight'] = ins[['SK_ID_PREV'， 'DAYS_ENTRY_PAYMENT']].groupby('SK_ID_PREV').apply(lambda x: 1-abs(x)/x.sum.abs).iloc[:,1]，1000万行的数据，足足算了十多分钟，等得我心力交瘁。

绘图

因为Excel画出来的图能够交互，能够在图上进行一些简单操作，所以这里用的python的可视化库是plotly，案例就用我这个学期发展经济学课上的作业吧，当时的图都是用Excel画的，现在用python再画一遍。开始之前，首先加载plotly包。

柱状图

当时用Excel画了很多的柱状图，其中的一幅图是

下面用plotly来画一下

trace2= go.Bar(x= df['国家'],y= df[2005],name= '2005',opacity= 0.6,marker= dict(color= 'aliceblue',))

trace3= go.Bar(x= df['国家'],y= df[2014],name= '2014',opacity= 0.6,marker= dict(color= 'royalblue'))

layout= go.Layout(barmode='group')data= [trace1, trace2, trace3]fig= go.Figure(data, layout)off.plot(fig)

雷达图

用Excel画的：

用python画的：

trace1= go.Scatterpolar(r= df[0],theta= theta,name= names[0])

trace2= go.Scatterpolar(r= df[1],theta= theta,name= names[1])

trace3= go.Scatterpolar(r= df[2],theta= theta,name= names[2])

trace4= go.Scatterpolar(r= df[3],theta= theta,name= names[3])

data= [trace1, trace2, trace3, trace4]layout= go.Layout(polar= dict(radialaxis= dict(visible= True,range= [0,1])),showlegend= True)fig= go.Figure(data, layout)off.plot(fig)

画起来比Excel要麻烦得多。

总体而言，如果画简单基本的图形，用Excel是最方便的，如果要画高级一些的或者是需要更多定制化的图形，使用python更合适。

原文：www.jianshu.com/p/9bc9f473dd22

入门: 最全的零基础学Python的问题 | 零基础学了8个月的Python |实战项目 | 学Python就是这条捷径

干货:爬取豆瓣短评，电影《后来的我们》 | 38年NBA最佳球员分析 |从万众期待到口碑扑街！唐探3令人失望 | 笑看新倚天屠龙记 | 灯谜答题王 ｜ 用Python做个海量小姐姐素描图 ｜ 碟中谍这么火，我用机器学习做个迷你推荐系统电影

趣味:弹球游戏 | 九宫格 | 漂亮的花 | 两百行Python《天天酷跑》游戏!

AI:会做诗的机器人 | 给图片上色 | 预测收入 | 碟中谍这么火，我用机器学习做个迷你推荐系统电影

小工具: Pdf转Word，轻松搞定表格和水印！ | 一键把html网页保存为pdf！ |再见PDF提取收费！ | 用90行代码打造最强PDF转换器，word、PPT、excel、markdown、html一键转换 | 制作一款钉钉低价机票提示器！ ｜60行代码做了一个语音壁纸切换器天天看小姐姐！ ｜

年度爆款文案返回搜狐，查看更多