很好
在有关大数据分析PythonAPI的本教程中，我们将学习如何从远程网站检索数据以进行数据科学项目。像baidu，Twitter和Facebook之类的网站都通过其应用程序编程接口(API)向程序员提供某些数据。要使用API，你需要向远程Web服务器发出请求，然后检索所需的数据。
但是，为什么要使用API而不是可以下载的静态数据集呢?API在以下情况下很有用：
a.数据变化很快。股票价格数据就是一个例子。重新生成数据集并每分钟下载一次并没有实际意义-这会占用大量带宽，而且速度很慢。
b.您需要一小部分更大的数据。Reddit评论就是一个例子。如果您只想在Reddit上发表自己的评论该怎么办?下载整个Reddit数据库，然后仅过滤您自己的注释并没有多大意义。
c.涉及重复计算。Spotify的API可以告诉您音乐的流派。从理论上讲，您可以创建自己的分类器，并使用它对音乐进行分类，但您将永远不会拥有Spotify所拥有的数据。
在上述情况下，API是正确的解决方案。对于本数据科学教程，我们将查询一个简单的API，以检索有关国际空间站(ISS)的数据。使用API可以节省我们自己进行所有计算的时间和精力。
大数据分析Python中的API请求
API托管在Web服务器上。当您www.google.com在浏览器的地址栏中键入内容时，您的计算机实际上是在向www.google.com服务器询问网页，然后该网页返回到您的浏览器。
API的工作方式几乎相同，除了您的程序要求数据而不是您的Web浏览器询问网页之外。这些数据通常以JSON格式返回(有关更多信息，请参阅有关使用JSON数据的教程)。
为了获取数据，我们向Web服务器发出请求。然后，服务器将回复我们的数据。在大数据分析Python中，我们将使用请求库来执行此操作。在此大数据分析PythonAPI教程中，我们将为所有示例使用大数据分析Python3.4。
请求类型
有许多不同类型的请求。最常用的一个GET请求用于检索数据。
我们可以使用一个简单的GET请求从OpenNotifyAPI检索信息。
OpenNotify具有多个API端点。端点是用于从API检索不同数据的服务器路由。例如，/commentsRedditAPI上的端点可能会检索有关注释的信息，而/users端点可能会检索有关用户的数据。要访问它们，您可以将端点添加到API的基本URL中。
我们将在OpenNotify上看到的第一个端点是iss-now.json端点。该端点获取国际空间站的当前纬度和经度。如您所见，检索此数据不适用于数据集，因为它涉及服务器上的一些计算，并且变化很快。
您可以在此处查看OpenNotify上所有端点的列表。
OpenNotifyAPI的基本网址是data/2308.html对于OpenNotifyAPI，格式为JSON，这就是为什么我们可以json更早地使用包对其进行解码的原因。
寻找太空中的人数
OpenNotify还有一个API端点astros.json。它告诉你当前有多少人在太空中。相应的格式可以在这里找到。
9
，，，，，，，，]，message:success}
大数据分析PythonAPI数据科学教程：后续步骤
现在，您已经完成了大数据分析PythonAPI教程，现在应该可以访问简单的API并发出get请求了。requests在我们的dataquestAPI和抓取课程中，还有其他几种类型，您可以了解更多信息以及与API身份验证一起使用。
建议的其他后续步骤是阅读请求文档，并使用RedditAPI。有一个名为PRAW的程序包，它使在大数据分析Python中使用RedditAPI更加容易，但是建议requests首先使用它来了解一切的工作原理。
i6832146415016215043/
我的感受是算不上神奇，毕竟都是工具，只是应用的场合不同而已。
每天几百行，10几列的数据，主要的内容是销售数据
从你的工作内容描述来看，其实Excel就可以高效完成，而且我觉得Excel会比python更高效。Excel的数据透视表我想可以做出很多意想不到的结果出来。以你目前的数据来看，单纯从肉眼上看，利用Excel的计算结果和Python的计算结果是感觉不到两者的差别的。相反Excel却能更加自由便捷的使用，达到心中的期望。
Python是一种语言，被广泛应用在数据行业
Python因为其易上手，跨平台等特性，被认为是一种解释性脚本语言（胶水语言）。很多需要处理的问题通过几行代码就解决掉。所以，你经常会看到利用python写几行代码就实现一个爬虫，相当的快捷。
Python处理Excel有相应的包xlrd，xlsxwriter等其它包，都可以实现对Excel的操作。我在平时的工作中也会利用Python去操作Excel，主要是读和写数据，就是从Excel读取的数据写到数据库中，或者多平台、多系统的数据通过Python计算后，将结果写到Excel发给相应的工作人员。
总的来说，如果单纯地从单个工作来说，能在Excel中工作的，就在Excel中完成，如果想提高工作效率，即通过Python完成自动化，提高工作效率，那Python是不错的选择。
是的速度快不会错
Excel电子表格是您有时必须处理的事情之一。要么是因为您的老板喜欢它们，要么是因为营销需要它们，您可能必须学习如何使用电子表格，这才对了解openpyxl有用！
电子表格是一种非常直观且用户友好的方式，无需任何技术背景即可操作大型数据集。这就是为什么它们今天仍然如此普遍。
在本文中，您将学习如何使用openpyxl执行以下操作：
自信地处理Excel电子表格
从电子表格中提取信息
创建简单或更复杂的电子表格，包括添加样式，图表等
本文是为那些对Python数据结构（如字典和列表）有相当了解而准备的，当然如果你有编程概念，你就可以学习，很容易上手。
首先你得安装这个工具包
pipinstallopenpyxl安装软件包后，您应该可以使用以下代码创建一个超级简单的电子表格：
fromopenpyxlimportWorkbookworkbook=Workbook()sheet=workbook.active
sheet[A1]=hellosheet[B1]=world!workbook.save(filename=hello_world.xlsx)上面的代码应hello_world.xlsx在用于运行代码的文件夹中创建一个名为的文件。如果您使用Excel打开该文件，则应该看到类似以下内容的内容：
恭喜你，你已经成功创建第一个电子表格！那让我们开始阅读一些电子表格！首先，打开示例电子表格：
&;&;&;fromopenpyxlimportload_workbook&;&;&;workbook=load_workbook(filename=sample.xlsx)&;&;&;workbook.sheetnames[Sheet1]&;&;&;sheet=workbook.active
&;&;&;sheet<WorksheetSheet1&;&;&;&;sheet.title
Sheet1在上面的代码，你第一次打开电子表格sample.xlsx使用load_workbook()，然后你可以使用
workbook.sheetnames
可查看所有其他的工作表。之后，workbook.active选择第一个可用的工作表，在这种情况下，您会看到它自动选择了工作表1。现在，打开电子表格后，您可以像这样轻松地从其中检索数据：
&;&;&;sheet[A1]<CellSheet1.A1&;&;&;&;sheet[A1].valuarketplace&;&;&;sheet[F10].value
G-ShockMensGreySportWatch要返回单元格的实际值，您需要执行
.value
。否则，您将获得主要的单元格对象。您也可以使用该方法.cell()使用索引符号检索单元格。请记住添加.value
以获取实际值而不是单元格对象：&;&;&;sheet.cell(row=10，column=6)<CellSheet1.F10&;&;&;&;sheet.cell(row=10，column=6).value
G-ShockMensGreySportWatch上面显示了打开电子表格的最快方法。但是您也可以传递其他参数来更改电子表格的加载方式。
经过以上简单的功能叙述，您现在应该知道如何在Python中使用电子表格了！openpyxl是以Python方式从电子表格中提取有价值的信息，无论复杂程度如何，你也可以创建自己的电子表格，向电子表格中添加一些很酷的功能，例如条件格式或图表。
您可以使用openpyxl本指南中未涉及的其他一些方法，但是您始终可以访问该软件包的官方文档网站以了解更多信息，或者甚至可以冒险检查其源代码并进一步改进该软件包。
如果您有任何疑问，或者想了解更多信息，随时在下面留下任何评论。
所谓的神奇只不过是提供了大量第三方包，类似vba，将许多繁琐的手动操作转换为代码操作，提高了处理速度和工作效率，下面我简单介绍3个常用的pythonexcel处理包，感兴趣的朋友可以尝试一下：
xlrd和xlwt
这是2个非常基础的pythonexcel处理包，在日常excel处理中经常会用到，其中xlrd专门用去读取excel，xlwt专门用于写入excel，常见的单元格读写/合并、样式背景色的设置以及行高/列高的设置等这2个包都可以轻松完成，对于一些繁琐、重复的操作可以使用一下这2个包，简单易学，非常容易入门，而且官方自带有非常详细的教程，非常适合初学者学习和掌握：
openpyxl
这也是桌面端比较常用的一个pythonexcel处理库，和xlrd、xlwt类似，openpyxl融合了excel的读写，因此不需要单独分开编码，常见的样式设置、图片/表格插入、公式/函数使用、单元格合并等基本操作这个模块都可以轻松完成，如果你有一定python基础，熟悉openpyxl来说非常容易，官方有非常详细的教程示例，所有代码都可以直接运行，需要注意的是openpyxl只适用于xlsx/xlsm，xls并不适用：
pandas
这是python针对数据处理专门提供的一个第三方模块，在日常实验、报表等数据处理中经常会用到，内置了大量函数和类型（series/dataframe），可以轻松处理各种常见的文件格式，包括excel、csv、json、txt等，操作灵活、功能强大，只需简单几行代码就可快速加载处理数据，还支持数据可视化，在数据分析方面有着非常广泛的应用，非常值得学习，可以大大减少工作量，提高工作效率：
当然，除了以上3个常见的pythonexcel处理库，xlutils等也都非常不错，基本使用方式和原理都是一样的，官方也有参考代码和示例，只要你熟悉一下很快就能掌握的，至于选择哪个包，简单一些就是xlrd/xlwt、openpyxl，复杂一些就是pandas，神奇倒不至于，就是处理起来更方便而已，网上也有相关教程和资料，介绍的非常详细，感兴趣的话，可以搜一下，希望以上分享的内容能对你有所帮助吧，也欢迎大家评论、留言进行补充。