下面是用DataFrame改写第十七章介绍的程序(p23-1.py)：
from warnings import simplefilter
simplefilter(action='ignore', category=FutureWarning)
# simplefilter用于忽略第三方警告
import numpy as np
import pandas as pd
from pandas import read_excel
file='d:/student.xlsx'
#Excel文件地址，student.xlsx内容详见表18-1
df=read_excel(file,sheet_name=0,converters={'学号':str})
#将Excel文件读入DataFrame数据框架df中
df['年级']=df['学号'].str.slice(0,2)
#用slice()函数实现切片并赋值给'年级'字段
df['班级']=df['学号'].str.slice(0,4)
#用slice()函数实现切片并赋值给'班级'字段
df.总分=df.语文+df.数学+df.英语
#列求和，列赋值
df['名次']=df['总分'].rank(method='min',ascending=False)
#rank()函数当method='min'时与Excel中完全相同，ascending=False为升序排序
df.to_excel('d:/test1.xlsx',sheet_name='Sheet1',index=False)
#将DataFrame数据框架df中的数据保存到Excel文件中
#至此，完成了新建Excel文件中Sheet1工作表数据的填充工作。
dfpj=df.groupby('班级')['语文','数学','英语','总分'].mean()
#依据'班级'列进行分组，求语文、数学、英语、总分的平均值，保存到数据框架dfpj中
dfrs=df.groupby('班级')['学号'].agg({'人数':np.size})
#依据'班级'列进行分组，对'学号'列计数，并以'人数'为别名保存到数据框架df人数中
jg72=72
#设置以72分为及格分数线，用于语文、数学科目
jg60=60
#设置以60分为及格分数线，用于英语科目
yx96=96
#设置以96分为优秀分数线，用于语文、数学科目
yx80=80
#设置以96分为优秀分数线，用于英语科目
df['语及']=df['语文']
#增加新的列'语及',并将'语文'列的值对应赋给
df['数及']=df['数学']
#增加新的列'数及',并将'数学'列的值对应赋给
df['英及']=df['英语']
#增加新的列'英及',并将'英语'列的值对应赋给
df['语优']=df['语文']
#增加新的列'语优',并将'语文'列的值对应赋给
df['数优']=df['数学']
#增加新的列'数优',并将'数学'列的值对应赋给
df['英优']=df['英语']
#增加新的列'英优',并将'英语'列的值对应赋给
#以上六列目前都为成绩值，后续将用来单科及格率和优秀率
#函数fun(x,y)用于判断x>=y是否成立，成立返回1；不成交返回0
def fun(x,y):
if x>=y:
return 1
else:
return 0
df['语及']=df['语及'].apply(lambda x:fun(x,jg72))
#前面已经给'语及'赋值为'语文'的值，此语句相当于判断语文>=72是否成立
#若成立则'语及'赋值为1，否则赋值为0
df['数及']=df['数及'].apply(lambda x:fun(x,jg72))
#同上，判断数学成绩是否及格
df['英及']=df['英及'].apply(lambda x:fun(x,jg60))
#同上，判断英语成绩是否及格
df['语优']=df['语优'].apply(lambda x:fun(x,yx96))
#同上，判断语文成绩是否优秀
df['数优']=df['数优'].apply(lambda x:fun(x,yx96))
#同上，判断数学成绩是否优秀
df['英优']=df['英优'].apply(lambda x:fun(x,yx80))
#同上，判断英语成绩是否优秀
df['合格']=df['语及']+df['数及']+df['英及']
#'语及'、'数及'、'英及'的值均为0或1，故'合格'的值在0~3之间
df['优秀']=df['语优']+df['数优']+df['英优']
#'语优'、'数优'、'英优'的值均为0或1，故'优秀'的值在0~3之间
df['合格']=df['合格'].apply(lambda x:fun(x,3))
#若'合格'的值>=3(其实不可能大于),给'合格'赋值为1；否则赋值为0
df['优秀']=df['优秀'].apply(lambda x:fun(x,3))
#若'优秀'的值>=3(其实不可能大于),给'优秀'赋值为1；否则赋值为0
dfjgyx=df.groupby('班级')['语及','语优','数及','数优','英及','英优','合格','优秀'].sum()
#按照'班级'分组统计'语及'等项的和，实际上就是各个单科和三科合格、优秀的人数
dftj=pd.merge(dfpj,dfjgyx,on='班级')
#将dfpj(包含有平均分)和dfjgyx(及格、优秀人数)按照'班级'关键字连接，保存到dftj
dftj=pd.merge(dftj,dfrs,on='班级')
#将dfrs连接到dftj
dftj['语文']=round(dftj['语文'],2)
#班级语文平均分保留两位小数
dftj['数学']=round(dftj['数学'],2)
#班级数学平均分保留两位小数
dftj['英语']=round(dftj['英语'],2)
#班级英语平均分保留两位小数
dftj['总分']=round(dftj['总分'],2)
#班级每个学生的三科总分的平均值保留两位小数
dftj['语及']=round((dftj['语及']/dftj['人数'])*100,2)
#语文及格人数/班级人数*100，保留两位小数，即为语文及格率，保存到'语及'列
dftj['语优']=round((dftj['语优']/dftj['人数'])*100,2)
#语文优秀人数/班级人数*100，保留两位小数，即为语文优秀率，保存到'语优'列
dftj['数及']=round((dftj['数及']/dftj['人数'])*100,2)
#数学及格人数/班级人数*100，保留两位小数，即为数学及格率，保存到'数及'列
dftj['数优']=round((dftj['数优']/dftj['人数'])*100,2)
#数学优秀人数/班级人数*100，保留两位小数，即为数学优秀率，保存到'数优'列
dftj['英及']=round((dftj['英及']/dftj['人数'])*100,2)
#英语及格人数/班级人数*100，保留两位小数，即为英语及格率，保存到'英及'列
dftj['英优']=round((dftj['英优']/dftj['人数'])*100,2)
#英语优秀人数/班级人数*100，保留两位小数，即为英语优秀率，保存到'英优'列
dftj['合格']=round((dftj['合格']/dftj['人数'])*100,2)
#三科合格人数/班级人数*100，保留两位小数，即为三科合格率，保存到'合格'列
dftj['优秀']=round((dftj['优秀']/dftj['人数'])*100,2)
#三科优秀人数/班级人数*100，保留两位小数，即为三科优秀率，保存到'优秀'列
dftj=dftj[['人数','语文','语及','语优','数学','数及','数优','英语','英及','英优','总分','合格','优秀']]
#重新调整dftj的各个字段的次序，为输出到Excel做准备
dftj.to_excel('d:/test2.xlsx',sheet_name='Sheet1',index=True)
#将数据框架dftj的数据保存到Excel文件中，索引列'班级'也一并写入
P23-1运行后生成如下两个表格：
解决写入Excel文件的内容不被覆盖的方法
在上面的代码中，to_excel()方法将DataFrame中的数据写入了某个指定的Excel文件的指定工作表中，第二次运行程序时会将Excel中以前保存的内容覆盖掉，若要想写入到新的工作表中，可在程序中添加如下代码，它利用了openpyxl的特点，它会自动新建一个以sheet_name为名后缀序号的新工作表：
# p23-2.py:
import openpyxl
#导入openpyxl模块
#以下为自定义函数add_sheet()
def add_sheet(data, excel_writer, sheet_name):
book = openpyxl.load_workbook(excel_writer.path)
#为openyxl方法指定要打开的Excel文件地址
excel_writer.book = book
#为excel_writer方法指定工作簿
data.to_excel(excel_writer=excel_writer, sheet_name=sheet_name, index=True, header=True)
#将data数据框中的数据写入Excel文件,index为真表示添加索引列，header为真表示添加标题行
excel_writer.close()
excel_writer = pd.ExcelWriter(r"d:\test.xlsx", engine='openpyxl')
#指明用openpyxl操作Excel文件
add_sheet(dftj, excel_writer, 'bjtj')
这样，就可以在test.xlsx文件中每次都新建一个名为“bjtj+n”的工作表，而不覆盖原有的工作表。
在前述的p23-1.py中，为了获取三科成绩全部及格的人数，使用了一个自定义函数fun(x,y)，用该函数先判断每一科成绩是否及格，若及格则写入一个标识值为1，若不及格则写入一个标识值为0，然后再用fun(x,y)这个函数判断三科是否全部及格。这个方法显得比较繁琐，下面给出了另一种解决方法，它通过条件筛选出三科全部及格的学生并添加到一个新的数据框架中。如下代码p22-3.py只实现了p23-1.py中的部分功能，没有计算单科及格率、优秀率等。
Py23-3.py代码:
from warnings import simplefilter
simplefilter(action='ignore', category=FutureWarning)
import numpy as np
import pandas as pd
from pandas import read_excel #导入read_execel
file='d:/student.xlsx'
df=read_excel(file,sheet_name=0,converters={'学号':str})
df['年级']=df['学号'].str.slice(0,2)
df['班级']=df['学号'].str.slice(0,4)
df.总分=df.语文+df.数学+df.英语
dfhg=df[(df['语文']>=72) & (df['数学']>=72) & (df['英语']>=60)]
#将df中符合合格标准(三科都及格)的记录保存到dfhg中
dfyx=df[(df['语文']>=96) & (df['数学']>=96) & (df['英语']>=80)]
#将df中符合优秀标准(三科都优秀)的记录保存到dfhg中
dfpj=df.groupby('班级')['语文','数学','英语','总分'].mean()
#求班级单科平均值和总分平均值保存到dfpj中
dfrs=df.groupby('班级')['学号'].agg({'人数':np.size})
#dfrs中保存各班总人数
dfhg=dfhg.groupby('班级')['学号'].agg({'合格':np.size})
#dfhg中保存各班合格人数
dfyx=dfyx.groupby('班级')['学号'].agg({'优秀':np.size})
#dfhg中保存各班优秀人数
dftj=pd.merge(dfpj,dfhg,on='班级',how='left')
#以dfpj为基础,以'班级'为连接键，将dfhg连接到dfpj上，生成dftj
dftj=pd.merge(dftj,dfyx,on='班级',how='left')
#以dftj为基础,以'班级'为连接键，将dfyx连接到dftj上
dftj=pd.merge(dftj,dfrs,on='班级',how='left')
#以dftj为基础,以'班级'为连接键，将dfrs连接到dfpj上
dftj['语文']=round(dftj['语文'],2)
dftj['数学']=round(dftj['数学'],2)
dftj['英语']=round(dftj['英语'],2)
dftj['总分']=round(dftj['总分'],2)
dftj['合格']=round((dftj['合格']/dftj['人数'])*100,2)
dftj['优秀']=round((dftj['优秀']/dftj['人数'])*100,2)
dftj=dftj.fillna(0)
#用0填充NaN值
dftj.to_excel('d:/test3.xlsx',sheet_name='Sheet1',index=True)
#将数据框架dftj的数据保存到Excel文件中，索引列'班级'也一并写入
P23-3.py运行后生成的excel表格（test3.xlsx）：