一 read_excel() 的基本用法

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

二 read_excel() 的常用的參數(shù):

io: excel路徑 可以是文件路徑， 類文件對象， 文件路徑對象等。

sheet_name=0: 訪問指定excel某張工作表。sheet_name可以是str, int, list 或 None類型， 默認值是0。

str類型 是直接指定工作表的名稱

int類型 是指定從0開始的工作表的索引， 所以sheelt_name默認值是0，即第一個工作表。

list類型 是多個索引或工作表名構成的list，指定多個工作表。

None類型， 訪問所有的工作表

sheet_name=0: 得到的是第1個sheet的DataFrame類型的數(shù)據(jù)

sheet_name=2: 得到的是第3個sheet的DataFrame類型的數(shù)據(jù)

sheet_name=‘Test1': 得到的是名為'Test1'的sheet的DataFrame類型的數(shù)據(jù)

sheet_name=[0, 3, ‘Test5']: 得到的是第1個，第4個和名為Test5 的工作表作為DataFrame類型的數(shù)據(jù)的字典。

header=0：header是標題行，通過指定具體的行索引，將該行作為數(shù)據(jù)的標題行，也就是整個數(shù)據(jù)的列名。默認首行數(shù)據(jù)（0-index）作為標題行，如果傳入的是一個整數(shù)列表，那這些行將組合成一個多級列索引。沒有標題行使用header=None。

name=None： 傳入一列類數(shù)組類型的數(shù)據(jù)，用來作為數(shù)據(jù)的列名。如果文件數(shù)據(jù)不包含標題行，要顯式的指出header=None。

skiprows：int類型， 類列表類型或可調(diào)函數(shù)。 要跳過的行號(0索引)或文件開頭要跳過的行數(shù)(int)。如果可調(diào)用，可調(diào)用函數(shù)將根據(jù)行索引進行計算，如果應該跳過行則返回True，否則返回False。一個有效的可調(diào)用參數(shù)的例子是lambda x: x in [0, 1, 2]。

skipfooter=0: int類型， 默認0。自下而上，從尾部指定跳過行數(shù)的數(shù)據(jù)。

usecols=None: 指定要使用的列，如果沒有默認解析所有的列。

index_col=None: int或元素都是int的列表， 將某列的數(shù)據(jù)作為DataFrame的行標簽，如果傳遞了一個列表，這些列將被組合成一個多索引，如果使用usecols選擇的子集，index_col將基于該子集。

squeeze=False, 布爾值，默認False。 如果解析的數(shù)據(jù)只有一列，返回一個Series。

dtype=None: 指定某列的數(shù)據(jù)類型，可以使類型名或一個對應列名與類型的字典，例 {‘A': np.int64, ‘B': str}

nrows=None: int類型，默認None。 只解析指定行數(shù)的數(shù)據(jù)。

三 示例

如圖是演示使用的excel文件，它包含5張工作表。

1. IO：路徑

舉一個IO為文件對象的例子， 有些時候file文件路徑的包含較復雜的中文字符串時，pandas 可能會解析文件路徑失敗，可以使用文件對象來解決。

file = 'xxxx.xlsx'
f = open(file, 'rb')
df = pd.read_excel(f, sheet_name='Sheet1')
f.close()  # 沒有使用with的話，記得要手動釋放。

# ------------- 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'， 指定解析名為"Sheet1"的工作表。返回一個DataFrame類型的數(shù)據(jù)。

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

sheet_name=[0, 1, ‘Sheet1'], 對應的是解析文件的第1， 2張工作表和名為"Sheet1"的工作表。它返回的是一個有序字典。結構為{name：DataFrame}這種類型。

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

sheet_name=None 會解析該文件中所有的工作表，返回一個同上的字典類型的數(shù)據(jù)。

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

3. header ：指定標題行

header是用來指定數(shù)據(jù)的標題行，也就是數(shù)據(jù)的列名的。本文使用的示例文件具有中英文兩行列名，默認header=0是使用第一行數(shù)據(jù)作為數(shù)據(jù)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為列名，或數(shù)據(jù)源是無標題行的數(shù)據(jù)，可以顯示的指定header=None來表明不使用列名。

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

4. names： 指定列名

指定數(shù)據(jù)的列名，如果數(shù)據(jù)已經(jīng)有列名了，會替換掉原有的列名。

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

上圖是header=0默認第一行中文名是標題行，最后被names給替換了列名，如果只想使用names，而又對源數(shù)據(jù)不做任何修改，我們可以指定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：跳過指定行數(shù)的數(shù)據(jù)

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與skiprows在有些時候效果相同，例skiprows=5和header=5。因為跳過5行后就是以第六行，也就是索引為5的行默認為標題行了。需要注意的是skiprows=5的5是行數(shù)，header=5的5是索引為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：省略從尾部的行數(shù)據(jù)

原始的數(shù)據(jù)有47行，如下圖所示：

從尾部跳過5行：

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

8.dtype 指定某些列的數(shù)據(jù)類型

示例數(shù)據(jù)中，測試編碼數(shù)據(jù)是文本，而pandas在解析的時候自動轉(zhuǎn)換成了int64類型，這樣codes列的首位0就會消失，造成數(shù)據(jù)錯誤，如下圖所示

指定codes列的數(shù)據(jù)類型：

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

到此這篇關于pandas 讀取excel文件的文章就介紹到這了,更多相關pandas 讀取excel文件內(nèi)容請搜索本站以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持本站！

版權聲明：本站文章來源標注為YINGSOO的內(nèi)容版權均為本站所有，歡迎引用、轉(zhuǎn)載，請保持原文完整并注明來源及原文鏈接。禁止復制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務器上建立鏡像，否則將依法追究法律責任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學習參考，不代表本站立場，如有內(nèi)容涉嫌侵權，請聯(lián)系alex-e#qq.com處理。