Python-pandas库pd.read_excel操作读取excel文件

2022-06-09 09:36:29 阅读：177 来源： 互联网

标签：00 sheet Python excel None read pd

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：

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；

import pandas as pd
#定义路径IO
IO = '文件1.xlsx'
#读取excel文件
sheet = pd.read_excel(io=IO)
#此处由于sheetname默认是0，所以返回第一个表
print(sheet)
#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。

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；

#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

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

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’

#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

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。

标签：00,sheet,Python,excel,None,read,pd
来源： https://www.cnblogs.com/jgg54335/p/15014689.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

Python-pandas库pd.read_excel操作读取excel文件