Python自动化测试-使用Pandas来高效处理测试数据

待我称王封你为后i 2023-10-08 17:54 35阅读 0赞

## Python自动化测试-使用Pandas来高效处理测试数据 ##

##  ##

### **目录**：导读 ###

一、思考

二、使用pandas来操作Excel文件

三、使用pandas来操作csv文件

四、总结

--------------------

### 一、思考 ###

**1.Pandas是什么？**

![8ac12d97256e4b7e2b41b05d2bc72e9a.png][]

*  功能极其强大的数据分析库
 *  可以高效地操作各种数据集
    
     *  csv格式的文件
     *  Excel文件
     *  HTML文件
     *  XML格式的文件
     *  JSON格式的文件
     *  数据库操作

**2.经典面试题**

通过面试题引出主题，读者可以思考，如果你遇到这题，该如何解答呢？

![2ba52d56cdc3cd634201d2e961a989e4.png][]

### 二、使用pandas来操作Excel文件 ###

![5d7cbbad7b226316d458a63e5de545c1.png][]

**1.安装**

a.通过Pypi来安装

pip install pandas

b.通过源码来安装

git clone git://github.com/pydata/pandas.git
    cd pandas
    python setup.py install

2.按列读取数据

案例中的**lemon\_cases.xlsx**文件内容如下所示：

![84b948be3c5afa9d65879f34f3d51d79.png][]

import pandas as pd
    
    # 读excel文件
    # 返回一个DataFrame对象，多维数据结构
    df = pd.read_excel('lemon_cases.xlsx', sheet_name='multiply')
    print(df)
    
    
    # 1.读取一列数据
    # df["title"] 返回一个Series对象，记录title这列的数据
    print(df["title"])
    
    # Series对象能转化为任何序列类型和dict字典类型
    print(list(df['title']))    # 转化为列表
    # title为DataFrame对象的属性
    print(list(df.title))    # 转化为列表
    print(tuple(df['title']))   # 转化为元组
    print(dict(df['title']))    # 转化为字典，key为数字索引
    
    # 2.读取某一个单元格数据
    # 不包括表头，指定列名和行索引
    print(df['title'][0])   # title列，不包括表头的第一个单元格
    
    # 3.读取多列数据
    print(df[["title", "actual"]])

3.按行读取数据

import pandas as pd
    
    # 读excel文件
    df = pd.read_excel('lemon_cases.xlsx', sheet_name='multiply')   # 返回一个DataFrame对象，多维数据结构
    print(df)
    
    
    # 1.读取一行数据
    # 不包括表头，第一个索引值为0
    # 获取第一行数据，可以将其转化为list、tuple、dict
    print(list(df.iloc[0]))  # 转成列表
    print(tuple(df.iloc[0]))  # 转成元组
    print(dict(df.iloc[0]))  # 转成字典
    print(dict(df.iloc[-1]))  # 也支持负索引
    
    # 2.读取某一个单元格数据
    # 不包括表头，指定行索引和列索引（或者列名）
    print(df.iloc[0]["l_data"])   # 指定行索引和列名
    print(df.iloc[0][2])    # 指定行索引和列索引
    
    # 3.读取多行数据
    print(df.iloc[0:3])

4.iloc和loc方法

import pandas as pd
    
    # 读excel文件
    df = pd.read_excel('lemon_cases.xlsx', sheet_name='multiply')   # 返回一个DataFrame对象，多维数据结构
    print(df)
    
    
    # 1.iloc方法
    # iloc使用数字索引来读取行和列
    # 也可以使用iloc方法读取某一列
    print(df.iloc[:, 0])
    print(df.iloc[:, 1])
    print(df.iloc[:, -1])
    
    # 读取多列
    print(df.iloc[:, 0:3])
    
    # 读取多行多列
    print(df.iloc[2:4, 1:4])
    print(df.iloc[[1, 3], [2, 4]])
    
    # 2.loc方法
    # loc方法，基于标签名或者索引名来选择
    print(df.loc[1:2, "title"])  			# 多行一列
    print(df.loc[1:2, "title":"r_data"])    # 多列多行
    
    # 基于布尔类型来选择
    print(df["r_data"] > 5)  # 某一列中大于5的数值为True，否则为False
    print(df.loc[df["r_data"] > 5])  # 把r_data列中大于5，所在的行选择出来
    print(df.loc[df["r_data"] > 5, "r_data":"actual"])  # 把r_data到actual列选择出来

5.读取所有数据

import pandas as pd
    
    # 读excel文件
    df = pd.read_excel('lemon_cases.xlsx', sheet_name='multiply')   # 返回一个DataFrame对象，多维数据结构
    print(df)
    
    
    # 读取的数据为嵌套列表的列表类型，此方法不推荐使用
    print(df.values)
    
    # 嵌套字典的列表
    datas_list = []
    for r_index in df.index:
        datas_list.append(df.iloc[r_index].to_dict())
    
    print(datas_list)

6.写入数据

import pandas as pd
    
    # 读excel文件
    df = pd.read_excel('lemon_cases.xlsx', sheet_name='multiply')   # 返回一个DataFrame对象，多维数据结构
    print(df)
    
    
    df['result'][0] = 1000
    print(df)
    with pd.ExcelWriter('lemon_cases_new.xlsx') as writer:
        df.to_excel(writer, sheet_name="New", index=False)

![317d1389f4ac576cb9f2ed79b9c8f06e.png][]

### 三、使用pandas来操作csv文件 ###

1.读取csv文件

案例中的**data.log**文件内容如下所示：

TestID,TestTime,Success
    0,149,0
    1,69,0
    2,45,0
    3,18,1
    4,18,1

import pandas as pd
    
    
    # 读取csv文件
    # 方法一，使用read_csv读取，列与列之间默认以逗号分隔（推荐方法）
    # a.第一行为列名信息
    csvframe = pd.read_csv('data.log')
    
    # b.第一行没有列名信息，直接为数据
    csvframe = pd.read_csv('data.log', header=None)
    
    # c.第一行没有列名信息，直接为数据，也可以指定列名
    csvframe = pd.read_csv('data.log', header=None, names=["Col1", "Col2", "Col3"])
    
    
    # 方法二，read_table，需要指定列与列之间分隔符为逗号
    csvframe = pd.read_table('data.log', sep=",")

2.解答面试题

import pandas as pd
    
    
    # 1.读取csv文件
    csvframe = pd.read_csv('data.log')
    
    # 2.选择Success为0的行
    new_csvframe = csvframe.loc[csvframe["Success"] == 0]
    result_csvframe = new_csvframe["TestTime"]
    avg_result = round(sum(result_csvframe)/len(result_csvframe), 2)
    print("TestTime最小值为：{}\nTestTime最大值为：{}\nTestTime平均值为：{}".
          format(min(result_csvframe), max(result_csvframe), avg_result))

### 四、总结 ###

![03c8af2f2c3c247c2719c2e24bf02f64.png][]

*  在数据分析、数据可视化领域，Pandas的应用极其广泛；在大规模数据、多种类数据处理上效率非常高
 *  在软件测试领域也有应用，但如果仅仅用excel来存放测试数据，使用Pandas就有点**“杀鸡焉用宰牛刀”**的感觉，那么建议使用特定的模块来处理（比如**openpyxl**）

## 写在最后 ##

> 如果你觉得文章还不错，请大家 **点赞、分享、留言** 下，因为这将是我持续输出更多优质文章的最强动力！
> 
> 看到这篇文章的人有觉得我的理解有误的地方，也欢迎评论和探讨～
> 
> 你也可以加入下方的的群聊去和同行大神交流切磋
> 
> ![d09e7ef7680f4bd8a19d93c5446ed267.png][]![d09e7ef7680f4bd8a19d93c5446ed267.png][]![d09e7ef7680f4bd8a19d93c5446ed267.png][]![d09e7ef7680f4bd8a19d93c5446ed267.png][]![d09e7ef7680f4bd8a19d93c5446ed267.png][]![d09e7ef7680f4bd8a19d93c5446ed267.png][]![d09e7ef7680f4bd8a19d93c5446ed267.png][]![d09e7ef7680f4bd8a19d93c5446ed267.png][]![d09e7ef7680f4bd8a19d93c5446ed267.png][]

[8ac12d97256e4b7e2b41b05d2bc72e9a.png]: https://img-blog.csdnimg.cn/img_convert/8ac12d97256e4b7e2b41b05d2bc72e9a.png
[2ba52d56cdc3cd634201d2e961a989e4.png]: https://img-blog.csdnimg.cn/img_convert/2ba52d56cdc3cd634201d2e961a989e4.png
[5d7cbbad7b226316d458a63e5de545c1.png]: https://img-blog.csdnimg.cn/img_convert/5d7cbbad7b226316d458a63e5de545c1.png
[84b948be3c5afa9d65879f34f3d51d79.png]: https://img-blog.csdnimg.cn/img_convert/84b948be3c5afa9d65879f34f3d51d79.png
[317d1389f4ac576cb9f2ed79b9c8f06e.png]: https://img-blog.csdnimg.cn/img_convert/317d1389f4ac576cb9f2ed79b9c8f06e.png
[03c8af2f2c3c247c2719c2e24bf02f64.png]: https://img-blog.csdnimg.cn/img_convert/03c8af2f2c3c247c2719c2e24bf02f64.png
[d09e7ef7680f4bd8a19d93c5446ed267.png]: https://img-blog.csdnimg.cn/d09e7ef7680f4bd8a19d93c5446ed267.png