前言
Python非常强大，并且与Excel相比具有许多优势，包括处理大型数据集和能够自动化工作流的功能，仅举几例。但是，学习如何编程可能会有非常陡峭的学习曲线，因此从长远来看，耐心地坚持下去将是有益的。
在干就行！大牛给初学者推荐的10个Python经典案例里，我们对大家想学习的十几个Python应用场景做了投票调查。结果很让人意外，居然Python在办公领域应用很受欢迎！那下面赶紧为大家撰写了这篇办公领域内很经典的Excel应用场景的入门上手文章。
从Excel到Python入门速成来了
作为具有Excel背景的初学者，经常发现很难在Python中执行我熟悉的在Excel中执行的常见任务。当尝试执行一些常见任务时，例如更改列的格式，将列过滤为行的子集，基于其他列的信息创建新列等，经常会遇到问题，在解决问题过程中表哥表姐会感到沮丧。
没学过Python的表哥表姐，不要烦恼！专门为你们带来了以下将Excel中执行的一些操作和Python中执行类似任务的代码做了一个对比介绍。在耐心看完下面的例子讲解后，相信你们会有不小的收获，可以将工作从Excel开始转移到Python来了。
显示和格式
在Excel中完成的一项常见任务是将数字数据更改为数字格式。数字可能变得难以阅读，尤其是在处理大数字时。下面，将pandas库中的格式设置选项应用于虚拟数据。
pd.options.display.float_format=${：，。2f}.format
薪金列中的数字数据用逗号分隔，以便于阅读
执行的另一个常见任务是Excel用日期格式将日期列覆盖，以允许按年，月或日对数据进行切片。可以使用Pandas的to_datetime函数在Python中执行此操作。出生日期下方的列将转换为datetime格式。
df[dateofbirth]=pd.to_datetime(df[dateofbirth])
出生日期列将转换为日期时间格式
重复项
作为一个新手，你会发现使用代码识别数据库中的重复条目非常困难。为了识别，查看和删除重复项，首先使用Pandas库中的重复方法，通过获取数据库中所有重复项的总数，来检查数据库中是否存在重复项。
df.duplicated([dateofbirth,Name]).sum()
然后，您可以使用Pandas的.loc方法查看包含重复项的行。复制的方法的keep参数设置为False，以查看数据库中早晚出现的重复性。
rows_to_check_for_duplicates=[dateofbirth,Name]df.loc[df.duplicated(rows_to_check_for_duplicates,keep=False),:]
查看重复的条目。
要删除重复的行，可以使用drop_duplicates方法。该就地参数设置为True，以影响地方的基础数据，确保重复的从数据库的原始副本删除。
df.drop_duplicates([dateofbirth,Name],inplace=True)
复制的行将从数据库中删除。