pandas 读excel文件,pandas 读excel文件

　　read_excel()的基本用法

　　进口熊猫作为pd

　　file_name=xxx.xlsx

　　pd.read_excel(文件名)

　　read_excel()的两个常用参数：

　　Io: excel路径可以是文件路径、类文件对象、文件路径对象等。

　　Sheet_name=0:访问指定的excel工作表。Sheet_name可以是str、int、list或者None，默认值为0。

　　类型str是直接指定的工作表的名称。

　　int类型是指定从0开始的工作表的索引，所以sheelt_name的默认值是0，也就是第一张工作表。

　　列表类型是由多个索引或工作表名称组成的列表，并指定多个工作表。

　　键入None以访问所有工作表。

　　Sheet_name=0:获取第一张表的DataFrame类型的数据。

　　Sheet_name=2:获取第三张工作表的DataFrame类型的数据。

　　Sheet _ name= Test1 :获取sheet_name=Test1 的DataFrame类型的数据。

　　Sheet _ name=[0，3， Test5]:第一个、第四个和Test5工作表是作为DataFrame类型的数据字典获得的。

　　Header=0: Header是标题行。通过指定特定的行索引，该行被用作数据的标题行，即整个数据的列名。第一行的默认数据(0-索引)用作标题行。如果传入一个整数列表，这些行将被组合成一个多级列索引。无题头行使用题头=无。

　　Name=None:传入一列数组类型的数据，用作数据的列名。如果文件数据不包含标题行，请明确指出header=None。

　　Skiprows:int类型、类列表类型或可调函数。要跳过的行号(0索引)或文件开头要跳过的行数(int)。如果是callable，callable函数将根据行索引进行计算，如果应该跳过该行，则返回True，否则返回False。一个有效的可调用参数的例子是lambda x: x in [0，1，2]。

　　Skipfooter=0: int类型，默认值为0。从底部到顶部，指定要从尾部跳过的行数。

　　Usecols=None:如果默认情况下未解析所有列，请指定要使用的列。

　　Index_col=None: int或元素全为int的列表。将某一列的数据作为DataFrame的行标签。如果传递了一个列表，这些列将被合并成一个多索引。如果使用由usecols选择的子集，index_col将基于该子集。

　　Squeeze=False，布尔值，默认为False。如果只有一列已解析的数据，则返回一个序列。

　　Dtype=None:指定列的数据类型，可以使用类型名或与列名和类型对应的字典，例如{a: np.int64， b: str}

　　Nrows=None: int类型，默认为None。仅分析指定行数的数据。

　　三个例子

　　它是如图所示使用的excel文件，包含5张工作表。

　　在此插入图片描述。

　　1.IO:路径

　　例如，如果IO是一个文件对象，有时当文件路径包含复杂的中文字符串时，熊猫可能无法解析文件路径，这可以通过使用文件对象来解决。

　　file=xxxx.xlsx

　　f=打开(文件，“rb”)

　　df=pd.read_excel(f，sheet_name=Sheet1 )

　　F.close() #如果不使用with，记得手动释放。

　　# -带模式

　　用open(file， rb )作为f:

　　df=pd.read_excel(f，sheet_name=Sheet1 )

　　2.工作表名称：指定工作表名称。

　　Sheet _ name= sheet ，它指定分析名为 Sheet1 的工作表。返回DataFrame类型的数据。

　　df=pd.read_excel(file，sheet_name=Sheet1 )

　　在此插入图片描述。

　　Sheet _ name=[0，1， Sheet1]，它对应于解析文件的第一个和第二个工作表以及名为 Sheet1 的工作表。它返回一个有序的字典。结构{名称：数据帧}就是这种类型。

　　df_dict=pd.read_excel(file，sheet_name=[0，1， Sheet1])

　　在此插入图片描述。

　　Sheet_name=None将解析该文件中的所有工作表，并返回如上的字典类型数据。

　　df_dict=pd.read_excel(文件，工作表名称=无)

　　在此插入图片描述。

　　3.标题：指定标题行。

　　Python客栈送红包，送纸质书。

　　Header用于指定数据的标题行，即数据的列名。本文使用的示例文件有中英文两个列名，默认header=0是使用第一行数据作为数据的列名。

　　df_dict=pd.read_excel(file，sheet_name=Sheet1 )

　　在此插入图片描述。

　　Header=1，用于在第二行指定英文列名。

　　df_dict=pd.read_excel(file，sheet_name=Sheet1 ，header=1)

　　在此插入图片描述。

　　请注意，如果无法将任何行指定为列名，或者如果数据源是没有标题行的数据，则可以显示指定的header=None，以指示不使用列名。

　　df_dict=pd.read_excel(file，sheet_name=Sheet1 ，header=None)

　　4.名称：指定列名

　　指定数据的列名。如果数据已经有一个列名，原始的列名将被替换。

　　df=pd.read_excel(file，sheet_name=Sheet1 ，names=list(123456789ABCDE ))

　　在此插入图片描述。

　　上图是header=0。第一行的中文名称默认为标题行，最后用名称替换列名。如果您只想使用名称而不对源数据进行任何修改，我们可以指定header=None。

　　df=pd.read_excel(file，sheet_name=Sheet1 ，names=list(123456789ABCDE )，header=None)

　　在此插入图片描述。

　　5.索引列：指定列索引

　　df=pd.read_excel(file，sheet_name=Sheet1 ，header=1，index_col=0)

　　在此插入图片描述。

　　6.skiprows:跳过指定数量的数据行。

　　df=pd.read_excel(file，sheet_name=Sheet1 ，skiprows=0)

　　在此插入图片描述。

　　df=pd.read_excel(file，sheet_name=Sheet1 ，skiprows=[1，3，5，7，9，])

　　在此插入图片描述。

　　它在某些情况下与header skiprows有相同的效果，比如skiprows=5，header=5。因为跳过5行之后，第6行，也就是索引为5的那一行默认为标题行。请注意，skiprows=5的5是行数，header=5的5是索引为5的行。

　　df=pd.read_excel(file，sheet_name=Sheet1 ，header=5)

　　在此插入图片描述。

　　df=pd.read_excel(file，sheet_name=Sheet1 ，skiprows=5)

　　在此插入图片描述。

　　7.skipfooter:从尾部省略行数据。

　　的原始数据有47行，如下图所示：

　　在此插入图片描述。

　　从尾部跳过5行：

　　df=pd.read_excel(file，sheet_name=Sheet1 ，skipfooter=5)

　　在此插入图片描述。

　　8.dtype指定一些列的数据类型

　　在样本数据中，测试代码数据是文本，pandas在解析时自动转换为int64类型，这样codes列的第一个0就会消失，导致数据错误，如下图所示。

　　在此插入图片描述。

　　指定代码列的数据类型：

　　df=pd.read_excel(file，sheet_name=Sheet1 ，header=1，dtype={codes: str})

　　在此插入图片描述。

　　关于熊猫读取excel文件的这篇文章到此结束。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。