您的位置:首页 > 脚本大全 > > 正文

pandas读取excel数据教程(详解pandas库pd.read_excel操作读取excel文件参数整理与实例)

更多 时间:2022-03-29 15:56:01 类别:脚本大全 浏览量:2762

pandas读取excel数据教程

详解pandas库pd.read_excel操作读取excel文件参数整理与实例

除了使用xlrd库或者xlwt库进行对excel表格的操作读与写,而且pandas库同样支持excel的操作;且pandas操作更加简介方便。

首先是pd.read_excel的参数:函数为:

  • ?
  • 1
  • 2
  • 3
  • 4
  • pd.read_excel(io, sheetname=0,header=0,skiprows=none,index_col=none,names=none,
  •     arse_cols=none,date_parser=none,na_values=none,thousands=none,
  •     convert_float=true,has_index_names=none,converters=none,dtype=none,
  •     true_values=none,false_values=none,engine=none,squeeze=false,**kwds)
  • 表格数据:

    pandas读取excel数据教程(详解pandas库pd.read_excel操作读取excel文件参数整理与实例)pandas读取excel数据教程(详解pandas库pd.read_excel操作读取excel文件参数整理与实例)

    常用参数解析:

    io :excel 路径;

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • in [10]: import pandas as pd
  • #定义路径io
  • in [11]: io = 'example.xls'
  • #读取excel文件
  • in [12]: sheet = pd.read_excel(io=io)
  • #此处由于sheetname默认是0,所以返回第一个表
  • in [13]: sheet
  • out[13]:
  •  姓名 年龄  出生日 爱好 关系
  • 0 小王 23 1991-10-02 足球 朋友
  • 1 小丽 23 1992-11-02 篮球 nan
  • 2 小黑 25 1991-10-18 游泳 同学
  • 3 小白 21 1989-09-09 游戏 nan
  • 4 小红 25 1990-08-07 看剧 nan
  • 5 小米 24 1991-12-12 足球 nan
  • 6 大锤 26 1988-09-09 看剧 个人
  • #上述列表返回的结果和原表格存在合并单元格的差异
  • sheetname:默认是sheetname为0,返回多表使用sheetname=[0,1],若sheetname=none是返回全表 。注意:int/string返回的是dataframe,而none和list返回的是dict of dataframe。

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • in [7]: sheet = pd.read_excel('example.xls',sheetname= [0,1])
  • #参数为none时,返回全部的表格,是一个表格的字典;
  • #当参数为list = [0,1,2,3]此类时,返回的多表格同样是字典
  • in [8]: sheet
  • out[8]:
  • {0: 姓名 年龄  出生日 爱好 关系
  •  0 小王 23 1991-10-02 足球 朋友
  •  1 小丽 23 1992-11-02 篮球 nan
  •  2 小黑 25 1991-10-18 游泳 同学
  •  3 小白 21 1989-09-09 游戏 nan
  •  4 小红 25 1990-08-07 看剧 nan
  •  5 小米 24 1991-12-12 足球 nan
  •  6 大锤 26 1988-09-09 看剧 个人, 1: 1 3 5 学生
  •  0 2 3 4 老师
  •  1 4 1 9 教授}
  • #value是一个多位数组
  • in [15]: sheet[0].values
  • out[15]:
  • array([['小王', 23, timestamp('1991-10-02 00:00:00'), '足球', '朋友'],
  •   ['小丽', 23, timestamp('1992-11-02 00:00:00'), '篮球', nan],
  •   ['小黑', 25, timestamp('1991-10-18 00:00:00'), '游泳', '同学'],
  •   ['小白', 21, timestamp('1989-09-09 00:00:00'), '游戏', nan],
  •   ['小红', 25, timestamp('1990-08-07 00:00:00'), '看剧', nan],
  •   ['小米', 24, timestamp('1991-12-12 00:00:00'), '足球', nan],
  •   ['大锤', 26, timestamp('1988-09-09 00:00:00'), '看剧', '个人']], dtype=object)
  •  
  • #同样可以根据表头名称或者表的位置读取该表的数据
  • #通过表名
  • in [17]: sheet = pd.read_excel('example.xls',sheetname= 'sheet2')
  • in [18]: sheet
  • out[18]:
  •  1 3 5 学生
  • 0 2 3 4 老师
  • 1 4 1 9 教授
  •  
  • #通过表的位置
  • in [19]: sheet = pd.read_excel('example.xls',sheetname= 1)
  •  
  • in [20]: sheet
  • out[20]:
  •  1 3 5 学生
  • 0 2 3 4 老师
  • 1 4 1 9 教授
  • header :指定作为列名的行,默认0,即取第一行,数据为列名行以下的数据;若数据不含列名,则设定 header = none;

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • #数据不含作为列名的行
  • in [21]: sheet = pd.read_excel('example.xls',sheetname= 1,header = none)
  • in [22]: sheet
  • out[22]:
  •  0 1 2 3
  • 0 1 3 5 学生
  • 1 2 3 4 老师
  • 2 4 1 9 教授
  • #默认第一行数据作为列名
  • in [23]: sheet = pd.read_excel('example.xls',sheetname= 1,header =0)
  • in [24]: sheet
  • out[24]:
  •  1 3 5 学生
  • 0 2 3 4 老师
  • 1 4 1 9 教授
  • skiprows:省略指定行数的数据

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • in [25]: sheet = pd.read_excel('example.xls',sheetname= 1,header = none,skiprows= 1)
  • #略去1行的数据,自上而下的开始略去数据的行
  • in [26]: sheet
  • out[26]:
  •  0 1 2 3
  • 0 2 3 4 老师
  • 1 4 1 9 教授
  • skip_footer:省略从尾部数的行数据

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • in [27]: sheet = pd.read_excel('example.xls',sheetname= 1,header = none,skip_footer= 1)
  • #从尾部开始略去行的数据
  • in [28]: sheet
  • out[28]:
  •  0 1 2 3
  • 0 1 3 5 学生
  • 1 2 3 4 老师
  • index_col :指定列为索引列,也可以使用 u'string'

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • #指定第二列的数据作为行索引
  • in [30]: sheet = pd.read_excel('example.xls',sheetname= 1,header = none,skip_footer= 1,index_col=1)
  •  
  • in [31]: sheet
  • out[31]:
  •  0 2 3
  • 1
  • 3 1 5 学生
  • 3 2 4 老师
  • names:指定列的名字,传入一个list数据

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • in [32]: sheet = pd.read_excel('example.xls',sheetname= 1,header = none,skip_footer= 1,index_col=1,names=['a','b','c'])
  •  ...:
  •  
  • in [33]: sheet
  • out[33]:
  •  a b c
  • 1
  • 3 1 5 学生
  • 3 2 4 老师
  • 总体而言,pandas库的pd.read_excel和pd.read_csv的参数比较类似,且相较之前的xlrd库的读表操作更加简单,针对一般批量的数据处理最好选择pandas库操作。但是功能有待完善或者本次研究的不够深入,比如合并单元格的问题,欢迎一起讨论交流。

    以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持开心学习网。

    原文链接:https://blog.csdn.net/brucewong0516/article/details/79096633

    您可能感兴趣