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

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：

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