如何使用 python pandas 过滤特定列？

Question

我有一个 excel 文件，其中有 2 列：“名称”和“大小”。 'Name' 列有多种文件类型，即".apk, .dat, .vdex, .ttc" 等。但我只想填充以.apk 结尾的文件扩展名的文件。我不希望新的 Excel 文件中有任何其他文件类型。

我写了以下代码：

import pandas as pd
import json

def json_to_excel():
    with open('installed-files.json') as jf:
        data = json.load(jf)
        df = pd.DataFrame(data)
        new_df = df[df.columns.difference(['SHA256'])]
        new_xl = new_df.to_excel('abc.xlsx')
        return new_xl

def filter_apk():  `MODIFIED CODE`
    old_xl = json_to_excel()
    data = pd.read_excel(old_xl)
    a = data[data["Name"].str.contains("\.apk")]
    a.to_excel('zybg.xlsx')

以上程序执行以下操作：

• json_to_excel()，获取一个 Json 文件，将其转换为 .xlsx 格式并保存。

• filter_apk() 假设根据“名称”列中存在的文件扩展名创建多个 excel 文件。

1. 第一个函数正在做我打算做的事情。
2. 第二个函数没有做任何事情。它也不会抛出任何错误。我关注了这个weblink

以下是“名称”列的几个示例

/system/product/<Path_to>/abc.apk
/system/fonts/wwwr.ttc
/system/framework/framework.jar
/system/<Path_to>/icu.dat
/system/<Path_to>/Normal.apk
/system/<Path_to>/Tv.apk

如何让它发挥作用？还是有更好的方法来实现目标？

请提出建议。

错误

    raise ValueError(msg)
ValueError: Invalid file path or buffer object type: <class 'NoneType'>

注意：

我将所有文件都放在同一个位置。

修改代码：

import pandas as pd
import json

def json_to_excel():
    with open('installed-files.json') as jf:
        data = json.load(jf)
        df = pd.DataFrame(data)
        new_df = df[df.columns.difference(['SHA256'])]
        new_df.to_excel('abc.xlsx')

def filter_apk():
    json_to_excel()
    old_xl = pd.read_excel('abc.xlsx')
    data = pd.read_excel(old_xl)
    a = data[data["Name"].str.contains("\.apk")]
    a.to_excel('zybg.xlsx')


t = filter_apk()
print(t)

新错误：

Traceback (most recent call last):
  File "C:/Users/amitesh.sahay/PycharmProjects/work_allocation/TASKS/Jenkins.py", line 89, in <module>
    t = filter_apk()
  File "C:/Users/amitesh.sahay/PycharmProjects/work_allocation/TASKS/Jenkins.py", line 84, in filter_apk
    data = pd.read_excel(old_xl)
  File "C:\Users\amitesh.sahay\AppData\Local\Programs\Python\Python37\lib\site-packages\pandas\util\_decorators.py", line 296, in wrapper
    return func(*args, **kwargs)
  File "C:\Users\amitesh.sahay\AppData\Local\Programs\Python\Python37\lib\site-packages\pandas\io\excel\_base.py", line 304, in read_excel
    io = ExcelFile(io, engine=engine)
  File "C:\Users\amitesh.sahay\AppData\Local\Programs\Python\Python37\lib\site-packages\pandas\io\excel\_base.py", line 867, in __init__
    self._reader = self._engines[engine](self._io)
  File "C:\Users\amitesh.sahay\AppData\Local\Programs\Python\Python37\lib\site-packages\pandas\io\excel\_xlrd.py", line 22, in __init__
    super().__init__(filepath_or_buffer)
  File "C:\Users\amitesh.sahay\AppData\Local\Programs\Python\Python37\lib\site-packages\pandas\io\excel\_base.py", line 344, in __init__
    filepath_or_buffer, _, _, _ = get_filepath_or_buffer(filepath_or_buffer)
  File "C:\Users\amitesh.sahay\AppData\Local\Programs\Python\Python37\lib\site-packages\pandas\io\common.py", line 243, in get_filepath_or_buffer
    raise ValueError(msg)
ValueError: Invalid file path or buffer object type: <class 'pandas.core.frame.DataFrame'>

Answer 1

您的用例与weblink 中显示的用例之间存在差异。您想应用单个过滤器（apk 文件），而您看到的示例有多个过滤器，这些过滤器将一个接一个地应用（多个物种）。

这样就可以了。

def filter_apk():
    old_xl = json_to_excel()
    data = pd.read_excel(old_xl)
    a = data[data["Name"].str.contains("\.apk")]
    a.to_excel("<path_to_new_excel>\\new_excel_name.xlsx")

Answer 2

关于您更新的新问题。我猜你的第一个函数没有像你想象的那样工作。

new_xl = new_df.to_excel('abc.xlsx')

这将编写一个 excel 文件，正如您所期望的那样。哪个有效。

但是，将它分配给new_xl，并没有做任何事情，因为pd.to_excel 没有返回。因此，当您将new_xl 作为json_to_excel 函数的输出返回时，您实际上返回了None。因此，在您的第二个函数中，old_xl = json_to_excel() 将使 old_xl 具有值 None。

所以，你的函数应该是这样的：

def json_to_excel():
    with open('installed-files.json') as jf:
        data = json.load(jf)
        df = pd.DataFrame(data)
        new_df = df[df.columns.difference(['SHA256'])]
        new_df.to_excel('abc.xlsx')

def filter_apk(): 
    json_to_excel()
    data= pd.read_excel('abc.xlsx')
    a = data[data["Name"].str.contains("\.apk")]
    a.to_excel('zybg.xlsx')