pandas 读取excel文件

  • 一 read_excel() 的基本用法
  • 二 read_excel() 的常用的参数:
  • 三 示例
  • 1. IO:路径
  • 2. sheet_name:指定工作表名
  • 3. header :指定标题行
  • 4. names: 指定列名
  • 5. index_col: 指定列索引
  • 6. skiprows:跳过指定行数的数据
  • 7. skipfooter:省略从尾部的行数据
  • 8.dtype 指定某些列的数据类型
  • pandas 读取excel文件使用的是 read_excel方法。本文将详细解析read_excel方法的常用参数,以及实际的使用示例

    一 read_excel() 的基本用法

    import pandas as pd
    
    file_name = 'xxx.xlsx'
    pd.read_excel(file_name)
    

    二 read_excel() 的常用的参数:

    1. io: excel路径 可以是文件路径, 类文件对象, 文件路径对象等。

    2. sheet_name=0: 访问指定excel某张工作表。sheet_name可以是str, int, list 或 None类型, 默认值是0。

    3. str类型 是直接指定工作表的名称

    4. int类型 是指定从0开始的工作表的索引, 所以sheelt_name默认值是0,即第一个工作表。

    5. list类型 是多个索引或工作表名构成的list,指定多个工作表。

    6. None类型, 访问所有的工作表

    7. sheet_name=0: 得到的是第1个sheet的DataFrame类型的数据

    8. sheet_name=2: 得到的是第3个sheet的DataFrame类型的数据

    9. sheet_name=‘Test1’: 得到的是名为’Test1’的sheet的DataFrame类型的数据

    10. sheet_name=[0, 3, ‘Test5’]: 得到的是第1个,第4个和名为Test5 的工作表作为DataFrame类型的数据的字典。

    11. header=0:header是标题行,通过指定具体的行索引,将该行作为数据的标题行,也就是整个数据的列名。默认首行数据(0-index)作为标题行,如果传入的是一个整数列表,那这些行将组合成一个多级列索引。没有标题行使用header=None。

    12. name=None: 传入一列类数组类型的数据,用来作为数据的列名。如果文件数据不包含标题行,要显式的指出header=None

    13. 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)。如果可调用,可调用函数将根据行索引进行计算,如果应该跳过行则返回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]。

    14. skipfooter=0: int类型, 默认0。自下而上,从尾部指定跳过行数的数据。

    15. usecols=None: 指定要使用的列,如果没有默认解析所有的列。

    16. index_col=None: int或元素都是int的列表, 将某列的数据作为DataFrame的行标签,如果传递了一个列表,这些列将被组合成一个多索引,如果使用usecols选择的子集,index_col将基于该子集。

    17. squeeze=False, 布尔值,默认False。 如果解析的数据只有一列,返回一个Series。

    18. dtype=None: 指定某列的数据类型,可以使类型名或一个对应列名与类型的字典,例 {‘A’: np.int64, ‘B’: str}

    19. nrows=None: int类型,默认None。 只解析指定行数的数据。


    三 示例

    如图是演示使用的excel文件,它包含5张工作表。

    1. IO:路径

    举一个IO为文件对象的例子, 有些时候file文件路径的包含较复杂的中文字符串时,pandas 可能会解析文件路径失败,可以使用文件对象来解决。

    file = 'xxxx.xlsx'
    f = open(file, 'rb')
    df = pd.read_excel(f, sheet_name='Sheet1')
    
    f.close()  # 没有使用with的话,记得要手动释放。
    
    
    # ------------- with模式 -------------------
    with open(file, 'rb') as f:
        df = pd.read_excel(f, sheet_name='Sheet1')
    

    2. sheet_name:指定工作表名

    sheet_name=‘Sheet’, 指定解析名为"Sheet1"的工作表。返回一个DataFrame类型的数据。

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

    sheet_name=[0, 1, ‘Sheet1’], 对应的是解析文件的第1, 2张工作表和名为"Sheet1"的工作表。它返回的是一个有序字典。结构为{name:DataFrame}这种类型。

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

    sheet_name=None 会解析该文件中所有的工作表,返回一个同上的字典类型的数据。

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

    3. header :指定标题行

    header是用来指定数据的标题行,也就是数据的列名的。本文使用的示例文件具有中英文两行列名,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')
    

    header=1, 使用指定使用第二行的英文列名。

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

    需要注意的是,如果不行指定任何行作为列名,或数据源是无标题行的数据,可以显示的指定header=None来表明不使用列名。

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

    4. names: 指定列名

    指定数据的列名,如果数据已经有列名了,会替换掉原有的列名。

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

    上图是header=0默认第一行中文名是标题行,最后被names给替换了列名,如果只想使用names,而又对源数据不做任何修改,我们可以指定header=None

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

    5. index_col: 指定列索引

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

    6. skiprows:跳过指定行数的数据

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

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

    header与skiprows在有些时候效果相同,例skiprows=5和header=5。因为跳过5行后就是以第六行,也就是索引为5的行默认为标题行了。需要注意的是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)
    

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

    7. skipfooter:省略从尾部的行数据

    原始的数据有47行,如下图所示:

    从尾部跳过5行:

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

    8.dtype 指定某些列的数据类型

    示例数据中,测试编码数据是文本,而pandas在解析的时候自动转换成了int64类型,这样codes列的首位0就会消失,造成数据错误,如下图所示

    指定codes列的数据类型:

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

    来源:littleRpl

    物联沃分享整理
    物联沃-IOTWORD物联网 » pandas 读取excel文件

    发表评论