大家好，我是楠少，用通俗易懂的方式，教小白学python。
今天，我们开始学习《30讲Python+Excel数据分析》课程的第9讲。
这一讲是介绍如何用Python代码实现Excel表格中的数据透视的功能。
你们可以想象这样一个场景，有一个表格，需要筛选下年龄在18到30岁之间的学生，这在Excel中很好操作，但是如果数据量很大的话，那在Python中该如何实现效率最高呢？
答案是，用Python支持的pandas库来实现。
所以，基于这个场景需求，我们团队就开发了用Python代码就能实现筛选excel表格数据然后对其进行操作的功能。
怎么样，是不是很好奇我们这个代码是如何写的呢？
别急，下面我们会给你娓娓道来。
01
虽然，我们这个功能的需求很好理解，就是实现自动筛选excel表格数据并对其进行操作的功能，但是关键是我们如何用Python代码来实现。
好吧，这里就不给大家卖关子了，我们直接看代码吧。
代码演示：
# 导入 pandas 模块，并给它一个简短的别名 pd，方便后续调用
import pandas as pd
# 定义一个函数，用于判断年龄是否在 18 到 30 之间（包括 18，不包括 30）
def age_18_to_30(a):
return 18 <= a < 30
# 定义一个函数，用于判断分数是否在 80 到 100 之间（包括 80，不包括 100）
def level_nice(s):
return 80 <= s < 100
# 使用 pandas 的 read_excel 函数读取 Excel 文件
# r"C:\Users\zzqyy\Desktop\Pandas玩转Excel\08数据筛选，过滤\example.xlsx" 是 Excel 文件的路径
# index_col="学号" 表示将 "学号" 这一列作为数据框的索引列
example = pd.read_excel(r"C:\Users\zzqyy\Desktop\Pandas玩转Excel\08数据筛选，过滤\example.xlsx", index_col="学号")
# 使用 loc 方法结合 apply 方法对数据进行筛选
# example.年龄.apply(lambda a:18 <= a <30) 表示对 "年龄" 列中的每个值应用 lambda 函数，判断是否满足 18 <= a < 30
# example.分数.apply(lambda s:80 <= s < 100) 表示对 "分数" 列中的每个值应用 lambda 函数，判断是否满足 80 <= s < 100
# loc 方法用于根据条件筛选数据，只有满足条件的行才会被保留
# 这里使用了链式调用，先筛选出年龄符合条件的行，再从这些行中筛选出分数符合条件的行
example = example.loc[example.年龄.apply(lambda a: 18 <= a < 30)] \
.loc[example.分数.apply(lambda s: 80 <= s < 100)]
# 打印筛选后的数据框，查看结果
print(example)
好的，通过代码演示和代码注释，我相信你一定已经学会了该如何使用我们这个脚本。
如果你还没有学会，那就照着我们的代码去手动敲一遍，感受一下敲代码的美妙，等你敲个几遍，相信你就一定能记住这几行代码了。
但是，这里我还是要提醒一下：
要想让这几行代码正常运行，你们需要把运行代码的环境给安装配置好。
不知道如何配置环境的可以看《30讲Python+Excel数据分析》的前面1讲内容，我们真的是手把手地教你如何配置环境的，相信我，一点都不难哈。
02
OK，到这里我要告诉大家的是，今天这篇文章教给大家的代码的视频讲解都在《30讲Python+Excel数据分析》这套课程的第9讲内容中了，对讲解视频感兴趣的可以去本套课程中学习一下。
这里不得不说的一点是，我们这个课程每一讲都是独立的案例场景讲解。
所以，你们完全可以根据自己的兴趣找到自己感兴趣的内容优先学习，这个不会影响学习效果的。
当然了，我们这门课程的每一节课都包含：视频、文档、代码、软件和答疑群。
所以你们完全不用担心学不会的问题，可以说，只要你认真跟着学习，认真练习敲代码，没有学不会的可能。
写在最后：
我们这套《30讲Python+Excel数据分析》课程具备以下2个特点：
第一，适合小白不需要学习复杂的编程知识，拿来就用。
第二，内容丰富，涵盖热门的数据分析的需求。
所以，如果你对这门《30讲PythonExcel数据分析》感兴趣，可以点击左边蓝字报名咨询。
